4157 artículos
Este artículo propone un marco neurosimbólico basado en reglas difusas que integra la estimación de atributos dermoscópicos mediante aprendizaje profundo con reglas clínicas extraídas automáticamente para mejorar la precisión y la interpretabilidad de la clasificación del melanoma en comparación con los enfoques de aprendizaje profundo basados únicamente en imágenes.
Este estudio demuestra que analizar las características estructurales de la lista de referencias de un artículo en el momento de su publicación —específicamente las tasas de autocitación, la dispersión de los años de referencia y la actualidad de la literatura citada— puede mejorar significativamente la detección temprana de futuros riesgos de retractación antes de que surja cualquier evidencia post-publicación.
Este artículo propone un Marco de Trabajo TabNet Explicable que aprovecha el aprendizaje profundo basado en la atención y los valores SHAP para predecir de manera precisa, robusta y justa el desempeño de los empleados remotos utilizando un conjunto de datos a gran escala, superando a los modelos base tradicionales al tiempo que garantiza una toma de decisiones de recursos humanos transparente y equitativa.
Este estudio demuestra que los modelos de lenguaje extensos avanzados, específicamente BioClinicalBERT y BioGPT, alcanzan una alta precisión (puntuación F1 y exactitud del 98%) al identificar automáticamente fármacos causantes de eventos adversos a partir de redes sociales y conjuntos de datos de reseñas de medicamentos, ofreciendo una solución prometedora para el monitoreo de la seguridad de los fármacos en tiempo real.
Este artículo propone un marco de gobernanza de Sociocracia 3.0 basada en el consentimiento distribuido que integra los principios de S3 con la arquitectura ROS 2 para mejorar la coordinación ética, transparente y escalable en sistemas multi-robóticos autónomos, demostrando mejoras significativas en la reducción de conflictos, la capacidad de depuración y las tasas de éxito de consentimiento mediante la evaluación en el conjunto de datos DROID 100.
El artículo propone InvDec, una arquitectura híbrida de pronóstico de series temporales multivariantes que logra una separación fundamentada entre la codificación temporal y la decodificación a nivel de variable mediante un decodificador invertido y embebimientos de variables retardados, demostrando ganancias significativas de rendimiento en conjuntos de datos de alta dimensionalidad al equilibrar eficazmente los patrones temporales y las dependencias entre variables.
Este artículo propone YOLO-LOLG Mamba, un nuevo marco de detección de defectos en superficies de acero que integra los módulos LODConv, LDAM y MsGroupMamba para mejorar la fusión de características de escala cruzada y el modelado de contexto global, logrando una precisión y generalización superiores en conjuntos de datos industriales en comparación con YOLOv8n.
Este estudio demuestra que un enfoque basado en Redes Neuronales Convolucionales, específicamente utilizando AlexNet con aprendizaje por transferencia, puede distinguir de manera efectiva y precisa los estigmas de azafrán auténticos de los materiales falsificados, ofreciendo una solución no destructiva prometedora para el control de calidad.
Este artículo presenta NEDOQwen, un modelo de lenguaje de 824 millones de parámetros centrado en el turco, para demostrar un flujo de trabajo de bajo costo y auditable para diagnosticar desajustes entre la evaluación interna y externa y lograr mejoras específicas en los puntos de referencia mediante el ajuste fino y la reparación, advirtiendo al mismo tiempo que tales ganancias no equivalen a una competencia amplia.
Este artículo analiza la primera red social a gran escala de agentes de IA, Moltbook, para demostrar cómo la adquisición por parte de Meta Superintelligence Labs en marzo de 2026 cambió rápidamente el discurso de la comunidad del comercio de criptomonedas hacia el desarrollo de infraestructura.