2266 artículos
Este artículo sostiene que para asegurar un futuro resiliente y sostenible para la IA dentro de una noosfera en coevolución, el campo debe pasar de los métodos de alineación representacional de arriba hacia abajo que imponen una homogeneización moral a un marco de alineación enactivo que preserve la diversidad cognitiva a través de una normatividad endógena y participativa.
Este artículo propone el marco STG-MADAC, un enfoque de aprendizaje por refuerzo multiagente mejorado por atención que utiliza la atención de grafos espaciotemporales y la descomposición de ventaja multiobjetivo para lograr una asignación de arma-objetivo descentralizada superior en sistemas de defensa aeroespacial dinámica.
El artículo presenta MS-RTDETR, un detector de extremo a extremo en tiempo real que mejora la detección de objetos pequeños mediante la unificación del realce de características multiescala y el refinamiento de consultas a través de un novedoso mecanismo de Refinamiento de Consulta y Características Acopladas de Escala (SCFQR) y un objetivo de emparejamiento consciente de la incertidumbre, logrando un rendimiento y robustez superiores en diversos conjuntos de datos sin requerir ramas de inferencia auxiliares.
Este estudio desarrolla y valida empíricamente un marco de competencia de "Ética de la IA Auditable" que vincula los mandatos regulatorios de alto nivel con currículos prácticos de educación básica y universitaria, demostrando a través de un programa piloto que la pedagogía orientada a resultados y a la acción transforma eficazmente a los estudiantes de consumidores pasivos de IA en creadores responsables capaces de la verificación crítica, la mitigación de sesgos y el cumplimiento legal.
Este artículo presenta una Red Neuronal de Alimentación hacia Adelante Cuántica (QFNN, por sus siglas en inglés) coherente que utiliza solapamientos de proyectores entrenables y reflexiones alternas para implementar activaciones de polinomios de Chebyshev exactos, estableciendo así fundamentos teóricos rigurosos para su expresividad, capacidades de aproximación universal y límites de generalización, al tiempo que demuestra un rendimiento competitivo en tareas de clasificación de imágenes de referencia.
Este artículo demuestra que el bajo rendimiento de la detección de malware en entornos de mundo abierto en el benchmark BODMAS no se debe a errores de etiquetado o fallos en los detectores, sino a la presencia de familias estrechamente relacionadas en el conjunto de entrenamiento que hacen que las muestras "novedosas" retenidas sean, en realidad, familiares para los métodos de puntuación de novedad no supervisados.
ParaWeb es una biblioteca de TypeScript que implementa diez patrones de programación paralela a través de paso de mensajes, memoria compartida y WebGPU compute shaders para Node.js y navegadores, demostrando aceleraciones significativas sobre JavaScript secuencial y un rendimiento competitivo frente a bibliotecas de C++ mientras destaca el impacto crítico de la sobrecarga de transferencia de datos en la eficiencia de la GPU.
Este artículo propone S3HNet, una red jerárquica espectro-espacial sensible a las etapas que segmenta eficazmente imágenes hiperespectrales urbanas a nivel de suelo mediante la preservación de evidencia espectral sensible a las bandas en las etapas iniciales del codificador y la reconstrucción de representaciones semánticas espacialmente consistentes en el decodificador, superando así a los modelos de segmentación densa existentes en conjuntos de datos de referencia.
El artículo presenta CRISP, un enfoque guiado por el compilador que permite el paralelismo seguro a nivel de polinomio para la inferencia de aprendizaje automático cifrada mediante FHE al intercambiar la vectorización SIMD en tiempo de ejecución por paralelismo OpenMP en tiempo de compilación, lo que resulta en aceleraciones significativas y reducciones de latencia dentro del marco del compilador ANT-ACE.
Este artículo propone ADE-MDA-Net, una red de codificador dual asimétrica que incorpora módulos de fusión de pooling dual SE, atención de profundidad de dilatación múltiple y fusión de atención espacial multiescala para lograr una segmentación a nivel de píxel precisa y computacionalmente eficiente de defectos desafiantes en la superficie de rodamientos.