4157 artículos
Este artículo propone MEFP-Net, un algoritmo de reconocimiento multimodal que utiliza una fusión jerárquica en etapa intermedia y una columna vertebral de doble vía para abordar eficazmente el desequilibrio de características y la sensibilidad a la iluminación, mejorando así significativamente la detección de objetos pequeños y ocluidos en escenarios de tráfico urbano complejos.
Este artículo presenta una evaluación experimental exhaustiva de diversas estrategias de indexación de Facebook AI Similarity Search (FAISS), analizando sus compensaciones en precisión, latencia y uso de memoria a través de diferentes métricas de distancia y técnicas de cuantización para proporcionar orientación práctica para despliegues de búsqueda de similitud a gran escala.
Este artículo propone y evalúa un modelo de planificación predictivo y adaptativo que integra la previsión de la carga de trabajo con decisiones de almacenamiento conscientes de Ceph para reducir significativamente la contención de recursos y la latencia de E/S en infraestructuras hiperconvergentes de Kubernetes–Ceph ejecutadas en Proxmox VE, logrando un equilibrio de carga y un rendimiento superiores en comparación con el planificador predeterminado de Kubernetes.
Este artículo propone un marco de aprendizaje por refuerzo federado para redes de borde móvil que combina un modelo VAE-LSTM para la predicción de la popularidad del contenido con un algoritmo de aprendizaje por refuerzo profundo multiagente para optimizar las decisiones de almacenamiento en caché cooperativo, reduciendo así significativamente la latencia y mejorando las tasas de acierto de la caché en comparación con los métodos base existentes.
Este artículo propone DMPB-Net, un nuevo marco semisupervisado que integra un codificador impulsado por Mamba con módulos especializados para el desacoplamiento semántico, la atención de prototipos y el refinamiento de límites para lograr la segmentación de lesiones mamarias de vanguardia en imágenes de ultrasonido bajo supervisión limitada.
Este artículo propone un marco trimodal robusto que integra CNN, Vision Transformers y Redes Neuronales de Grafos a través de un mecanismo de fusión por compuerta adaptativo para lograr una precisión de detección de falsificación de vanguardia (99.10 %) e interpretabilidad en imágenes de redes sociales.
Este estudio propone un marco de decisión fundamentado de tres partes para la selección de modelos en el aprendizaje automático científico con datos limitados, demostrando a través de estudios de caso de inhibidores de quinasas y solubilidad que los modelos lineales simples a menudo superan a las alternativas complejas cuando los tamaños de muestra son pequeños, abogando así por la simplicidad del modelo como una línea base crítica.
Este estudio evalúa varios modelos de regresión de aprendizaje automático en el conjunto de datos de Consumo de Energía Eléctrica de Hogares Individuales para predecir tendencias energéticas e identificar anomalías, encontrando que Random Forest supera a otros algoritmos mientras que el análisis SHAP revela que Global_intensity es el factor predictivo dominante.
Este artículo propone el marco de trabajo Stigmergic Skeleton Field (SSF), el cual integra un grafo de esqueleto de eje medial con un campo de feromonas de colonia de hormigas y un algoritmo de Re-esqueletización Incremental Localizada (LIR) para permitir una navegación de múltiples robots descentralizada y eficiente en entornos dinámicos al reparar la topología solo donde es necesario, logrando una calidad de trayectoria casi óptima con velocidades de replanificación significativamente más rápidas en comparación con las líneas base existentes.
Este artículo presenta Semperf, un marco de trabajo asistido por LLM que construye matrices de perfiles de rango y agrupa procesos para permitir el diagnóstico de rendimiento y la identificación de cuellos de botella de manera escalable y automatizada para aplicaciones de HPC paralelas a escala extrema.