4092 artículos
El artículo presenta BioGCN, una Red Convolucional de Grafos de inspiración biológica que integra códigos ATC como conocimiento de dominio para mejorar significativamente la precisión en la predicción de la biodisponibilidad oral humana en comparación con los métodos tradicionales de aprendizaje automático y los modelos existentes.
Este artículo propone DTRW-YOLO11s, un algoritmo de detección de defectos en aisladores mejorado que integra un módulo de submuestreo DSDown, atención de triplete (Triplet Attention) y percepción multiescala basada en RFCAConv con pérdida WIoU para mejorar significativamente la precisión de detección y la eficiencia computacional, reduciendo al mismo tiempo los falsos positivos y las detecciones omitidas en entornos complejos de líneas de transmisión.
Este artículo propone RECO-Rank, un modelo de clasificación compensatorio de múltiples evidencias que integra señales semánticas, temáticas y de citación para superar las limitaciones del filtrado basado primordialmente en la semántica en la recomendación de revisores entre dominios, mejorando así la identificación de revisores adecuados con terminología divergente mientras mantiene la precisión de los primeros puestos.
Este artículo propone un nuevo marco de IA integrado que combina redes neuronales, algoritmos genéticos, aprendizaje por refuerzo y máquinas de vectores de soporte para optimizar simultáneamente el diseño de la mezcla de cemento, el control del horno y la evaluación del ciclo de vida, logrando reducciones significativas en las emisiones de CO₂, el consumo de energía y el uso de materias primas, al tiempo que aborda los desafíos clave de implementación.
Este artículo propone HCL-YOLOv8, un marco de detección ligero que mejora la identificación de defectos en aisladores de líneas de transmisión mediante la integración de aprendizaje de consistencia jerárquica, asignación de etiquetas alineada con la tarea y funciones de pérdida especializadas para abordar los desafíos en la localización de defectos diminutos dentro de entornos complejos.
Este artículo propone un marco ligero e interpretable que combina el modelado de movimiento estándar guiado biomecánicamente con una ST-GCN de cuatro capas para proporcionar una evaluación de calidad y retroalimentación específica por fase para el salto de longitud sin carrera en entornos de educación física.
Este artículo propone un marco de adaptación zero-shot para la recuperación de imágenes compuestas que aprovecha la supervisión semántica estructurada de imágenes no etiquetadas para mejorar el rendimiento de la recuperación detallada en dominios con escasez de anotaciones sin depender de tripletas anotadas manualmente.
Este artículo propone MESFusion, un marco novedoso que aborda los desafíos de la distribución de características heterogéneas y la integración adaptativa en la fusión de imágenes médicas multimodales mediante la combinación de un módulo de Mejora Sensible a la Modalidad, un módulo Mamba de Puerta Espacial para la captura de dependencias de largo alcance y un módulo de Fusión Adaptativa Guiada por Estadística para lograr una fusión robusta y de alta calidad a través de diversos conjuntos de datos.
Este artículo propone una estrategia de recalibración de características ligera que mejora la precisión de la regresión de contornos de Fourier para la detección de objetos en teledetección al enfatizar adaptativamente los canales relevantes en la rama de regresión de coeficientes, logrando ganancias significativas de rendimiento en múltiples bancos de pruebas con un sobrecoste computacional insignificante.
Este artículo propone un marco de dominio dual espacio-frecuencia con un mecanismo de fusión dinámica restringida para equilibrar eficazmente el modelado de la estructura global y la preservación de los detalles locales, logrando así un rendimiento de vanguardia en el desenfoque de movimiento mientras se suprimen los artefactos de oscilación.