4128 artículos
Este artículo propone un método de conciencia del estado de seguridad basado en aprendizaje profundo para equipos de redes de control industrial petroquímicos mediante un modelo híbrido TCN-MGRU para abordar la complejidad situacional y los retrasos de información, mejorando significativamente la precisión de detección y la protección de seguridad.
Este artículo presenta un flujo de trabajo de detección híbrido de bajos recursos que combina el preprocesamiento basado en movimiento con YOLOv8-nano para identificar eficientemente bandadas de Quelea de pico rojo en hardware de solo CPU, logrando una alta precisión mientras reduce significativamente la carga computacional durante escenas estáticas.
Este artículo introduce un marco de redes tensoriales de inspiración cuántica utilizando Estados de Producto de Matrices y embebimientos de AlphaEarth para el mapeo de la susceptibilidad a los incendios forestales en la región de Gargano, el cual no solo logra una precisión de clasificación competitiva, sino que también revela dinámicas de grokking distintivas y proporciona un análisis de separabilidad de clases con base física y resuelto por niveles a través de diagnósticos de mixtura cuántica.
Este artículo propone HCSC-Net, un marco de calibración semántica contextual jerárquica que mejora la segmentación semántica débil basada en CLIP mediante la integración de los módulos de Calibración Estructural por Grupos y Calibración Semántica de Contexto Residual para resolver problemas de inconsistencia estructural e interferencia de fondo, logrando un rendimiento de vanguardia en los bancos de pruebas PASCAL VOC 2012 y MS COCO 2014.
Este estudio controlado aleatorizado revela que los modelos de lenguaje de gran tamaño son significativamente más susceptibles que los médicos humanos a las claves contextuales que inducen elecciones diagnósticas incorrectas, lo que destaca una vulnerabilidad de seguridad crítica para los sistemas de IA clínica que puede mitigarse mediante estrategias de prompting específicas.
Este artículo presenta un marco de clasificación de defectos de PCB explicable que combina el ajuste de hiperparámetros optimizado mediante TRIBRID, el aprendizaje por transferencia y MobileNetV3 para lograr una precisión y una interpretabilidad perfectas, manteniendo al mismo tiempo la eficiencia computacional requerida para los sistemas inteligentes de Inspección Óptica Automatizada.
Este artículo presenta un mecanismo de atestación post-cuántica independiente del hardware para dispositivos industriales heredados que aprovecha el ciclo de hibernación-reanudación en plataformas x86 comerciales para capturar y firmar el estado de ejecución mediante CRYSTALS-Dilithium, permitiendo así una verificación confiable sin hardware de seguridad dedicado como los TPM.
Este artículo propone un Marco de Aprendizaje Profundo de Múltiples Expertos Híbridos que utiliza un mecanismo de enrutamiento ResNet-50 inteligente para seleccionar dinámicamente modelos de detección especializados (YOLOv8 y Mask R-CNN mejorado con SwinIR) para diferentes entornos marítimos, logrando una alta precisión en la detección de barcos e identificando con éxito embarcaciones oscuras en escenarios del mundo real como el Estrecho de Singapur.
Este artículo demuestra que los modelos de difusión preentrenados codifican implícitamente atlas anatómicos a nivel poblacional dentro de su dinámica aprendida, permitiendo la recuperación directa de plantillas cerebrales nítidas, condicionadas por la edad y competitivas en términos de registro mediante inferencia determinista sin requerir un registro explícito ni objetivos de entrenamiento específicos para un atlas.
Este artículo presenta BQEB ForecastBench, un marco de evaluación abierto que utiliza el conjunto de datos BQEB-Data v1 para estandarizar la evaluación de modelos de IA para la previsión de redes inteligentes, demostrando mediante experimentos de referencia que la Regresión Lineal supera a otros modelos en la predicción de la carga y los precios de la electricidad, al tiempo que destaca la complejidad inherente a la previsión de precios.