4157 artículos
Este artículo presenta GRAD-Net, un marco de aprendizaje profundo unificado guiado por la patología que integra mecanismos de atención conscientes de las lesiones y agregación de características multiescala para lograr una precisión y una interpretabilidad clínica de vanguardia en la graduación automatizada de la retinopatía diabética.
Este artículo presenta CRC-LS-MOCBO, un marco de optimización bayesiana causal multiobjetivo secuencial que garantiza intervenciones seguras bajo estructuras causales inciertas mediante la integración de la incertidumbre del grafo candidato, prioridades ponderadas por estabilidad y calibración de riesgo conforme para minimizar las violaciones de restricciones mientras se maximizan las ganancias del objetivo.
Este artículo presenta un sistema de alerta temprana de terremotos de bajo costo y en tiempo real que utiliza hardware de IoT (ESP32, GPS, GSM) y modelos de aprendizaje automático embebidos entrenados con datos sísmicos históricos para detectar patrones y alertar instantáneamente a los usuarios vía SMS, incluso en áreas con conectividad limitada.
Este artículo presenta HybridPII, un modelo de ensamble híbrido ajustable que combina expresiones regulares ponderadas y NER de modelos múltiples para lograr una recuperación superior en la detección automatizada de PII, abordando específicamente la necesidad crítica de minimizar los falsos negativos en aplicaciones de privacidad críticas para el cumplimiento.
Este artículo introduce los Operadores Neuronales Débilmente Topológicos (WTNO, por sus siglas en inglés), un marco que mejora la selección de operadores neuronales para ecuaciones diferenciales parciales mediante el acoplamiento de predictores de estado con certificados geométricos, topológicos y de medida débil para asegurar predicciones físicas robustas en escenarios que involucran interfaces, cambios topológicos y eventos raros.
Este estudio proporciona evidencia empírica de que el refinamiento iterativo de los modelos de lenguaje converge consistentemente hacia puntos fijos semánticos estables a través de diversas arquitecturas y objetivos, lo que sugiere un paisaje de energía subyacente donde la automejora actúa como un proceso de optimización implícito.
Este estudio evalúa la usabilidad educativa de WEKA y Orange para estudiantes principiantes de minería de datos mediante comparaciones basadas en tareas y comentarios de los estudiantes, concluyendo que Orange es más efectivo debido a su flujo de trabajo visual intuitivo e interfaz amigable para el usuario.
Este artículo presenta MLCompete, una plataforma web multilingüe y escalable diseñada para evaluar olimpiadas de aprendizaje automático a través de un flujo de trabajo asíncrono y agnóstico a las métricas y un entorno de ejecución seguro de dos niveles, demostrando su robustez y fiabilidad mediante su implementación exitosa en la Olimpiada Nacional de IA de Rumanía y la participación internacional.
Este artículo propone un marco de Doble Guía para la segmentación semántica semi-supervisada que combina un módulo de Refinamiento de Pseudo-Etiquetas Dinámico Consciente de la Incertidumbre y un módulo de Guía de Contraste de Prototipos de Clase para refinar conjuntamente las predicciones y regularizar las representaciones de características, logrando un rendimiento de vanguardia en los benchmarks PASCAL VOC 2012 y Cityscapes.
Esta revisión sistemática de 108 estudios (2010–2026) analiza cómo la IA reconfigura la medición del marketing al proponer un marco de "Medir–Validar–Proteger" que equilibra el mayor poder predictivo del aprendizaje profundo y los modelos de mix de medios neuronales frente a las limitaciones causales y los costos de precisión impuestos por las técnicas de preservación de la privacidad.