929 artículos
Este artículo propone un sistema Fuzzy-GAN adaptativo que utiliza Redes Generativas Antagónicas y lógica difusa para clasificar las orientaciones faciales en ángulos bajos, medios y altos (incluyendo variaciones de sentido horario y antihorario) para mejorar el reconocimiento facial invariante a la pose para aplicaciones de fuerzas del orden.
Este artículo evalúa la viabilidad de los RTX Neural Shaders de NVIDIA para el renderizado de fluidos en tiempo real, demostrando que, si bien las redes neuronales aproximan con éxito las BSDF a nivel de píxel a altas tasas de fotogramas, las limitaciones significativas del marco de trabajo impiden actualmente su despliegue efectivo para tareas de desplazamiento de vértices.
Este estudio propone y valida una formulación de corrección parcial y consciente del progreso para la predicción temprana del éxito en la práctica de la programación, demostrando que supera significativamente a los enfoques binarios y ordinales tradicionales al capturar con mayor eficacia la progresión del estudiante y permitir un apoyo instructivo dirigido.
Esta revisión sistemática de 122 estudios (2015–2025) demuestra que los modelos de aprendizaje automático, particularmente los enfoques de ensamble e híbridos integrados con tecnologías de detección no destructivas, mejoran significativamente la gestión poscosecha de frutas perecederas al optimizar la evaluación de la calidad y la reducción de pérdidas a lo largo de toda la cadena de suministro, al tiempo que destaca la necesidad de conjuntos de datos estandarizados y validación en el mundo real para superar los desafíos actuales de implementación.
Este artículo presenta la Selección de Coresets Alineada con la Validación (VACS), un método que selecciona el selector de subconjuntos balanceado por clase óptimo mediante la evaluación de una cartera en divisiones de validación interna, demostrando que la validación repetida puede mejorar significativamente la precisión de la clasificación de pocos disparos bajo restricciones de presupuesto extremas, aunque no supera universalmente a las mejores reglas de selección estáticas.
Este artículo propone un marco ligero de dos etapas que utiliza YOLO11s-seg para la generación de candidatos a nivel de instancia y YOLOv8n-cls para la clasificación consciente de oclusiones y de negativos difíciles, logrando una alta precisión en la decisión de cosecha y tasas de cosecha falsa de cero en entornos complejos de plantaciones de palma aceitera.
Este artículo propone un marco neurosimbólico basado en reglas difusas que integra la estimación de atributos dermoscópicos mediante aprendizaje profundo con reglas clínicas extraídas automáticamente para mejorar la precisión y la interpretabilidad de la clasificación del melanoma en comparación con los enfoques de aprendizaje profundo basados únicamente en imágenes.
Este estudio demuestra que analizar las características estructurales de la lista de referencias de un artículo en el momento de su publicación —específicamente las tasas de autocitación, la dispersión de los años de referencia y la actualidad de la literatura citada— puede mejorar significativamente la detección temprana de futuros riesgos de retractación antes de que surja cualquier evidencia post-publicación.
Este artículo propone un Marco de Trabajo TabNet Explicable que aprovecha el aprendizaje profundo basado en la atención y los valores SHAP para predecir de manera precisa, robusta y justa el desempeño de los empleados remotos utilizando un conjunto de datos a gran escala, superando a los modelos base tradicionales al tiempo que garantiza una toma de decisiones de recursos humanos transparente y equitativa.
Este estudio demuestra que los modelos de lenguaje extensos avanzados, específicamente BioClinicalBERT y BioGPT, alcanzan una alta precisión (puntuación F1 y exactitud del 98%) al identificar automáticamente fármacos causantes de eventos adversos a partir de redes sociales y conjuntos de datos de reseñas de medicamentos, ofreciendo una solución prometedora para el monitoreo de la seguridad de los fármacos en tiempo real.