4157 artículos
Este artículo propone un novedoso modelo Transformer convolucional ligero que utiliza la destilación de conocimiento progresiva jerárquica de múltiples profesores y la compresión direccional para lograr una compresión de video de vigilancia y una mejora de calidad efectivas, manteniendo al mismo tiempo una alta precisión y un bajo consumo de memoria.
Este artículo presenta PV-YOLO, una mejora colaborativa y ligera de YOLOv8n que cuenta con cuatro módulos personalizados que mejoran significativamente la precisión y la recuperación de la detección de microdefectos en células fotovoltaicas, reduciendo al mismo tiempo la carga computacional, lo que permite la inspección en tiempo real en el borde a 140 FPS en UAVs.
Este artículo presenta la primera formalización verificada por máquina en Isabelle/HOL de la recurrencia BMSSP que subyace al algoritmo SSSP determinista de 2025 de , proporcionando una prueba no vacua y paramétrica de tamaño de su tiempo de ejecución en una familia de grafos no acotados sin depender de axiomas o supuestos no probados.
Este estudio demuestra que EfficientNet-B0 supera a otras arquitecturas de aprendizaje profundo, incluyendo los Vision Transformers, en la clasificación de caracteres industriales con alfabetos restringidos y datos escasos, resaltando la continua ventaja de los sesgos inductivos convolucionales en tales entornos limitados.
Este estudio demuestra que un marco de blockchain de consorcio modular que integra la privacidad diferencial, el cifrado homomórfico y los contratos inteligentes logra una equivalencia clínica con el aprendizaje federado estándar para tareas de mortalidad hospitalaria y radiografía, demostrando que las medidas robustas de privacidad y seguridad no comprometen la utilidad predictiva.
Este artículo introduce la "distancia de colapso", una métrica de margen de seguridad configurable para cuantificar la proximidad al fallo de la red, y propone TCR-GIN, un marco de aprendizaje de grafos informado por la física que estima de manera eficiente y precisa esta métrica para permitir la gestión de la seguridad en tiempo real y señales de alerta temprana en diversas redes complejas.
Este artículo propone AVTF-Net, un marco de aprendizaje profundo multimodal que integra un AlexNet modificado y un BERT ajustado con un mecanismo de fusión temprana y de atención para detectar eficazmente noticias falsas mediante la captura de inconsistencias intermodales, logrando un rendimiento de vanguardia con una precisión del 95,80 % en el conjunto de datos Fakeddit.
Este artículo propone un flujo de trabajo de corrección post-OCR ligero y eficiente en recursos, diseñado específicamente para mejorar la precisión de los documentos escaneados en vietnamita mediante el abordaje de errores de diacríticos a través de una combinación de preprocesamiento de imágenes, corrección basada en diccionarios y restauración basada en reglas, ofreciendo una base práctica para escenarios de digitalización de bajos recursos.
Este estudio emplea un marco centrado en el candidato para demostrar que la confianza es el predictor más fuerte de la intención de los aspirantes a utilizar sistemas de adquisición de talento impulsados por IA, mediando significativamente el impacto de las preocupaciones éticas como la equidad, la transparencia y la privacidad dentro del contexto indio.
Este artículo presenta una metodología de ajuste fino eficiente en recursos utilizando la Adaptación de Bajo Rango (LoRA) y cuantización para desplegar con éxito modelos de Visión-Lenguaje-Acción de gran escala en plataformas robóticas asequibles de consumo, demostrando un rendimiento de manipulación en el mundo real efectivo con datos limitados.