3447 artículos
Este estudio analiza cómo las arquitecturas de redes neuronales convolucionales influyen en la precisión del modelo y examina factores adicionales que afectan la eficiencia computacional en entornos de aprendizaje distribuido, proporcionando perspectivas clave para optimizar su despliegue en escenarios intensivos de recursos.
Este artículo propone un método de inferencia multi-paso sin entrenamiento para la extracción de hablantes objetivo que, utilizando un modelo preentrenado congelado, refina iterativamente la estimación mediante interpolación y selección de candidatos, optimizando métricas intrusivas o no intrusivas (o una combinación de ambas) para lograr mejoras consistentes y un control adaptable en el despliegue práctico.
Este estudio presenta una nueva arquitectura de automatización robótica de procesos (RPA) para la detección de lesiones de cáncer oral que, mediante el uso de patrones de diseño y procesamiento por lotes, logra una mejora de eficiencia de 60 a 100 veces en comparación con los métodos estándar.
Este trabajo presenta un marco de aprendizaje por imitación de por vida que utiliza un espacio latente multimodal para la reproducción de experiencias y un mecanismo de ajuste incremental para estabilizar la adaptación, logrando un nuevo estado del arte en los benchmarks LIBERO con mejoras significativas en el rendimiento y una reducción sustancial del olvido catastrófico.
Este artículo presenta la Huffman-Bucket Sketch (HBS), una estructura de datos simple y fusionable que comprime sin pérdidas un HyperLogLog a un espacio óptimo de bits mediante codificación Huffman dinámica, manteniendo actualizaciones de tiempo constante y reduciendo significativamente los requisitos de memoria.
El sistema CBCTRepD, desarrollado con un conjunto de datos de 7.408 estudios, mejora la interpretación de tomografías cónicas (CBCT) orales y maxilofaciales al generar informes de alta calidad que asisten a radiólogos de todos los niveles en la reducción de errores y la estandarización de los diagnósticos.
El artículo presenta STADA, un marco de generación de pruebas basado en especificaciones que utiliza lógica temporal (LTLf) para crear sistemáticamente escenarios de conducción autónoma que superan significativamente a los métodos existentes en cobertura y eficiencia.
Este artículo presenta un procedimiento lineal para reconocer subconjuntos mínimamente insatisfacibles (MUS) en fórmulas 2-CNF, extiende resultados sobre la complejidad NP de ciertos casos y demuestra que encontrar o decidir la existencia de MUSs que contengan una o dos cláusulas unitarias es resoluble en tiempo polinómico.
Este artículo propone SSL-V3, un modelo basado en aprendizaje auto-supervisado y transformadores de visión que integra la evaluación de calidad de video sin referencia para mejorar la clasificación de videos, demostrando una alta precisión en datasets de salud como I-CONECT al abordar la escasez de etiquetas de calidad.
El artículo presenta Med-DualLoRA, un marco de ajuste fino federado y eficiente en parámetros que adapta modelos fundacionales a imágenes de resonancia magnética cardíaca 3D mediante la descomposición aditiva de adaptadores globales y locales, logrando un mejor rendimiento y privacidad en entornos clínicos heterogéneos con menor costo de comunicación.
El artículo presenta VCR, un marco novedoso para la mejora de imágenes en baja iluminación que utiliza recalibración de canales impulsada por la varianza y alineación de distribuciones de color para superar las limitaciones de consistencia y fidelidad cromática de los métodos existentes.
Este informe resume los hallazgos y recomendaciones estratégicas del taller del NSF sobre el diseño conjunto de algoritmos y hardware para aplicaciones médicas, el cual abogó por un cambio fundamental en el desarrollo de tecnologías sanitarias mediante inversiones en infraestructuras compartidas, sistemas conscientes de los flujos de trabajo clínicos y ecosistemas de validación escalables para garantizar plataformas seguras y resilientes.
Este trabajo propone un marco de control adaptativo que combina un controlador de impedancia cartesiana y un agente de aprendizaje por refuerzo para automatizar con éxito el raspado de muestras de materiales heterogéneos en laboratorios, superando a las estrategias de fuerza fija mediante la transferencia de una política entrenada en simulación a un robot real.
El artículo presenta PPGuide, un marco ligero basado en un clasificador que utiliza un proceso de autoaprendizaje para guiar a las políticas de difusión preentrenadas hacia acciones más robustas y evitar modos de fallo durante la inferencia, logrando mejoras consistentes en diversas tareas de manipulación robótica.
El artículo presenta un algoritmo casi óptimo para el muestreo de Poisson en uniones acíclicas que, mediante la construcción de un índice de acceso aleatorio y su sondeo, supera a los métodos tradicionales y permite implementar tanto el procesamiento de uniones como el muestreo sobre una base común sin perder rendimiento.
El artículo presenta "World Mouse", un cursor de realidad cruzada que combina la interacción precisa sobre superficies físicas mediante normales y la navegación interpolada entre objetos para superar las limitaciones de los métodos de entrada actuales en entornos de Realidad Extendida (XR).
Este trabajo presenta el Conjunto de Datos de Fidelidad de Color (CFD) y la Métrica de Fidelidad de Color (CFM) para evaluar objetivamente la autenticidad cromática en la generación de imágenes, junto con un método de refinamiento sin entrenamiento (CFR) que mejora la fidelidad de los colores en modelos de texto a imagen.
El artículo presenta TreeON, un marco basado en redes neuronales que reconstruye nubes de puntos 3D detalladas de árboles a partir de una sola ortofoto y un modelo digital de superficie, utilizando un conjunto de datos sintético y una estrategia de supervisión que combina pérdidas geométricas, de sombras y siluetas para lograr una alta calidad y generalización sin necesidad de datos de escaneo láser terrestre.
Este estudio presenta un análisis de laboratorio que evalúa el impacto de los algoritmos de criptografía post-cuántica (híbridos y puros) frente a los tradicionales en el rendimiento de las transacciones HTTP sobre TLS 1.3, examinando sus efectos específicos en cada capa de la pila de protocolos mediante pruebas de carga de hasta 100 transacciones por segundo.
Este artículo propone un marco de colaboración consciente de la tarea que transforma la delegación a agentes de LLM de un proceso opaco en una decisión visible y auditable, mediante la generación de señales de confianza basadas en perfiles de capacidad y riesgos de coordinación derivados de evaluaciones de preferencia.