4157 artículos
Este artículo demuestra que los Autoencoders Cuánticos, específicamente un modelo de 8 características con codificación Dense-Angle y un ansatz RealAmplitude, superan a los Autoencoders Clásicos en la detección de anomalías de ciberseguridad en el conjunto de datos BETH al lograr un F1 score más alto (0.87 frente a 0.77) incluso cuando se entrenan con sustancialmente menos muestras.
Esta revisión sistemática de 20 estudios revisados por pares evalúa el panorama post-COVID de la supervisión móvil impulsada por IA en la educación superior, destacando su potencial para la integridad de los exámenes a escala mientras aborda críticamente las brechas significativas en la investigación específica de dispositivos móviles, la fiabilidad técnica y las preocupaciones éticas como la privacidad y el sesgo algorítmico.
Este artículo presenta AllLinLog, un modelo optimizado que elimina la necesidad de la extracción de registros mediante el uso de un codificador de autoatención lineal para procesar directamente la información contextual completa de los registros del sistema, logrando así una precisión de detección de anomalías superior y una inferencia más rápida en comparación con los métodos tradicionales.
Este artículo propone y evalúa un modelo criptográfico híbrido que integra RSA con la Distribución de Claves Cuánticas (utilizando el protocolo BB84) para asegurar la electrónica de consumo contra las amenazas de la computación cuántica, demostrando un rendimiento mejorado en la generación de claves, la velocidad de cifrado y la resistencia a los ataques de hombre en el medio.
El artículo propone DOKA-Agent, un marco de trabajo para agentes de modelos de lenguaje extensos que emplea un flujo de trabajo de percibir-planificar-actuar para lograr una alineación de ontologías dinámica e incremental en grafos de conocimiento en evolución, mejorando así la precisión semántica y reduciendo la latencia de actualización en comparación con los métodos estáticos tradicionales.
Utilizando un corpus de ciberseguridad en el espacio, este estudio demuestra que, si bien la topología de grafos ofrece un valor incremental dependiente del contexto en la previsión de la emergencia tecnológica, las historias temporales a nivel de nodo ya codifican la mayor parte de la información predictiva, lo que resulta en mejoras modestas y no uniformes de los modelos conscientes del grafo sobre los modelos base temporales robustos.
Este artículo presenta CuSPC, una arquitectura orientada a GPU para la codificación polar esteganográfica que reestructura los esquemas de decodificación y aprovecha el paralelismo multinivel para lograr un aumento de rendimiento de 30 veces sobre las bases de CPU, manteniendo al mismo tiempo una baja pérdida de codificación y una resistencia al estegoanálisis comparable.
Este estudio presenta CodePori, un sistema multiagente a gran escala para el desarrollo de software autónomo, y evalúa empíricamente su aplicabilidad en el mundo real a través de la retroalimentación de los participantes para identificar desafíos y oportunidades clave más allá de las métricas estándar de los benchmarks.
Este estudio propone y evalúa estrategias para rediseñar las tareas de Ciencias de la Computación con el fin de aprovechar, en lugar de prohibir, las herramientas de IA, demostrando que los ciclos de aprendizaje iterativos, la sincronización estratégica y la retroalimentación continua pueden mejorar la comprensión genuina del estudiante mientras se mantiene la integridad académica.
Este artículo presenta Res6-Deep11, un novedoso modelo de reconstrucción de imágenes no supervisado que detecta y segmenta eficazmente los derrames de petróleo en imágenes SAR sin requerir etiquetas de verdad de campo a nivel de píxel, logrando un rendimiento superior sobre los métodos del estado del arte con una puntuación F1 del 77,33%.