4105 artículos
Este artículo presenta el Descubrimiento de Operadores Neuronales (NOD), un marco que aprende operadores de solución compartidos y variaciones específicas del sistema directamente a partir de trayectorias heterogéneas sin factores de gobierno etiquetados, permitiendo una generalización interpretable y de disparo cero mediante una formulación de condicionamiento latente factorizado.
Esta revisión sistemática de 52 estudios demuestra que las tecnologías de documentación clínica estructurada, que van desde plantillas basadas en reglas hasta sistemas impulsados por IA ambiental y modelos de lenguaje extensos (LLM), actúan como mecanismos críticos de ingeniería de datos ascendente que mejoran la calidad de los datos y aumentan significativamente el rendimiento predictivo de los modelos de aprendizaje automático para resultados clave en la atención médica, aunque se requiere más investigación para abordar las brechas en la validación externa y la mitigación de sesgos.
Este artículo propone FL-SNNIDS, un marco de Redes Neuronales de Picos Federadas que permite la detección de intrusiones eficiente en energía, de baja latencia y preservadora de la privacidad para redes SDN-IoT agrícolas con recursos limitados mediante la obtención de una alta precisión a través del entrenamiento colaborativo de modelos sin el intercambio de datos brutos.
Esta revisión bibliométrica de 137 artículos de alta calidad de 2024 a 2026 mapea el panorama de rápida evolución de los mecanismos de defensa de los modelos de lenguaje de gran tamaño, identificando cambios temáticos clave hacia la detección de vulnerabilidades y la evaluación comparativa, al tiempo que destaca las brechas críticas en la infraestructura de evaluación que plantean riesgos de gobernanza para despliegues de alto riesgo.
Este artículo presenta la Inspección Automatizada de Vehículos (AVI), un sistema de aprendizaje profundo multivista que integra imágenes sincronizadas de 360 grados con modelos de detección especializados y un motor basado en reglas para lograr una verificación de vehículos y detección de defectos de alta precisión y consciente de las variantes a un rendimiento de 3.3 vehículos por minuto.
Este artículo presenta un flujo de trabajo de aprendizaje automático basado en datos que mejora significativamente la precisión de la clasificación entre introvertidos y extrovertidos al 91,90% mediante la ingeniería de tres características conductuales compuestas y la evaluación de 13 algoritmos, demostrando que K-Nearest Neighbors ofrece el mejor desempeño dentro de un marco estadísticamente robusto.
Este riguroso estudio empírico demuestra que, si bien el agrupamiento convencional fuera de línea de las características penúltimas para descubrir la subestructura intraclasificación es poco fiable y a menudo degrada el rendimiento de la clasificación tabular, un enfoque de entrenamiento de subcentros conjunto de extremo a extremo mitiga eficazmente estos riesgos, aunque los autores concluyen que actualmente no existe una heurística robusta para predecir cuándo es beneficioso el descubrimiento de dicha subestructura.
Este artículo presenta un flujo de trabajo totalmente automatizado que integra incrustaciones contextuales de BioBERT, agrupamiento híbrido y clasificación temporal de citas para mapear eficazmente los paisajes de la investigación biomédica e identificar puntos críticos en evolución, tal como se demuestra a través de un estudio de caso exhaustivo sobre la investigación de las cataratas.
Este artículo propone un nuevo marco para identificar objetos de tráfico importantes que aprovecha el modelado de interacción global en Vista de Pájaro (Bird's-Eye View) y un enfoque de Preentrenamiento Contrastivo de Lenguaje-Movimiento para integrar el conocimiento humano, superando así las limitaciones de los métodos visuales 2D existentes en el razonamiento espacio-temporal y la comprensión dinámica.
El artículo propone el marco CATD-LPT-CFPM, el cual mejora la minería de patrones frecuentes cerrados mediante la agrupación de transacciones para reducir el espacio de búsqueda y el empleo de una estrategia de poda multinivel con un mecanismo de Poda de Cerradura Top-Down para minimizar el procesamiento redundante y el uso de memoria, a pesar de incurrir en cierta sobrecarga por la agrupación y la construcción del árbol.