4157 artículos
Este artículo propone NPDO, un marco neuronal híbrido que combina la extracción de características multiescala con arquitecturas jerárquicas de CNN y Vision Transformer para podar inteligentemente el espacio de búsqueda de la predicción intra de VVC, logrando una reducción del 54.0% en el tiempo de codificación con solo un aumento del 1.18% en la BD-Rate en comparación con la referencia VTM 23.0.
Este artículo propone ADONIS, un marco descentralizado para el segmentado de red (network slicing) en 6G que aprovecha una arquitectura de Gemelo Digital federada en el borde y jerárquica, un programador de Redes Neuronales de Grafos Espacio-Temporales y un novedoso protocolo de codificación delta para minimizar la sobrecarga de sincronización y las violaciones de SLA, garantizando al mismo tiempo la convergencia de la asignación de recursos.
Este artículo propone el marco de trabajo Focus-Aware Adaptive Dense Subgraph (FAADS), el cual mina eficientemente subgrafos densos de alta calidad en redes multicapa dinámicas mediante un mecanismo de actualización incremental, logrando mejoras significativas de velocidad sobre los métodos de vanguardia mientras mantiene una calidad de densidad casi óptima.
Utilizando el conjunto de datos OULAD, este estudio demuestra que, si bien los modelos BiLSTM superan a los modelos de referencia de potenciación de gradiente en la predicción de los resultados de aprobación/reprobación y de abandono estudiantil, las arquitecturas de aprendizaje multitarea no proporcionan ninguna ventaja significativa sobre los enfoques de tarea única a pesar de la correlación moderada entre tareas, lo que sugiere que estos resultados dependen de patrones de comportamiento parcialmente distintos.
Este artículo presenta una revisión sistemática y un metaanálisis cuantitativo de 36 estudios que demuestran que los métodos de ensamble basados en árboles son el enfoque de aprendizaje automático supervisado más eficaz para predecir la eficiencia de las células solares de perovskita, identificando al mismo tiempo desafíos clave en la estandarización de datos y proponiendo una hoja de ruta integral para mejorar la fiabilidad y la escalabilidad del desarrollo fotovoltaico impulsado por el aprendizaje automático.
Este artículo presenta ThinkCode, un marco de andamiaje mediado por IA que utiliza un paradigma de interacción de "primero la pista" para contrarrestar la descarga cognitiva y la atrofia de habilidades en la educación de la programación mediante la imposición del recuerdo activo y el razonamiento paso a paso antes de revelar las soluciones completas.
Este artículo propone un sistema de detección basado en YOLOv8 mejorado y ligero, optimizado con múltiples módulos para superar las limitaciones existentes en precisión, rendimiento en tiempo real y compatibilidad con dispositivos de borde para la detección de cascos de ciclistas de bicicletas eléctricas en escenarios de tráfico complejos.
El artículo presenta el Quantum Kernel Transformer (QKT), una arquitectura híbrida que aprovecha un circuito cuántico parametrizado entrenable como una capa de incrustación no lineal para lograr un rendimiento competitivo o superior en diversas tareas de clasificación de alta dimensión a través de los dominios de texto, tabular, audio y física, al tiempo que demuestra robustez contra la inestabilidad e identifica limitaciones específicas en el procesamiento de imágenes.
Este artículo presenta el desarrollo y la validación preliminar del Modelo de Madurez de Gobernanza de Riesgo Cibernético (CRGMM, por sus siglas en inglés), un novedoso marco de Ciencia del Diseño que integra los principios de Zero Trust para evaluar y guiar la gobernanza de riesgos cibernéticos de las plataformas gubernamentales digitales multiagencia, tal como se demuestra a través de su aplicación al sistema Sahel de Kuwait.
El artículo presenta CEDF-CS, un marco de condensación de prototipos libre de fugas y equilibrado por clases que comprime significativamente conjuntos de datos masivos de detección de intrusiones preservando las estructuras de ataques minoritarios, permitiendo que modelos de recursos eficientes alcancen un rendimiento igual o superior al entrenamiento con datos completos en entornos de referencia de IoT industrial y redes empresariales.