4157 artículos
Este artículo presenta un sistema de reconocimiento automático del habla para el karakalpak basado en la arquitectura wav2vec 2.0 XLS-R, el cual aprovecha un corpus de habla karakalpak de 50 horas recién creado para lograr una tasa de error de palabra del 21.10 % y demuestra el impacto del volumen de datos etiquetados en el rendimiento del reconocimiento de lenguas de bajos recursos.
Este artículo propone un marco de ensamblaje guiado por IA que integra instrucciones en tiempo real y conscientes del contexto directamente en el diseño del producto para reemplazar los manuales estáticos, demostrando mediante un estudio de usuario que este enfoque reduce significativamente el tiempo de ensamblaje, los errores, la vacilación y la carga cognitiva en comparación con la guía de manuales tradicionales.
Este estudio propone un modelo de Unidad Recurrente con Compuerta de Decaimiento Temporal (TD-GRU) que confina el decaimiento temporal al estado oculto para preservar los valores clínicos brutos, demostrando un beneficio clínico neto estadísticamente creíble y un rendimiento superior sobre varias líneas base para la predicción temprana de Sepsis-3 en trayectorias de UCI dispersas e irregularmente muestreadas.
Este artículo propone CCPP-LPC, un algoritmo de planificación de trayectorias de cobertura completa que utiliza un modelo de evaluación de costo de trayectoria local y una estrategia de perturbación de doble guía adaptativa para superar las limitaciones de los métodos heurísticos existentes, logrando así una eficiencia computacional y una optimización de la trayectoria superiores en entornos complejos.
Este artículo propone un método de detección de anomalías basado en la polarización utilizando el índice de Esfuerzo Mínimo hacia el Consenso (MEC, por sus siglas en inglés) en datos de redes sociales, demostrando que el monitoreo de los cambios en el desacuerdo público supera a los enfoques tradicionales basados en el volumen para identificar eventos significativos, validado mediante un estudio de caso del debate sobre la reforma de las pensiones en Colombia de 2024 en X.
Este estudio propone un nuevo modelo híbrido de aprendizaje profundo que combina la Descomposición de Modo Variacional (VMD), la Red Convolucional Temporal (TCN) y la Unidad Recurrente de Puerta Bidireccional (BiGRU) que supera significativamente a otros nueve algoritmos de aprendizaje automático en la predicción de la irradiación solar mensual a largo plazo utilizando datos de NASA POWER de Turquía.
Este artículo presenta un sistema de aprendizaje profundo basado en DenseNet-121 que logra una precisión del 96,52% en la clasificación de cuatro tipos de tumores cerebrales a partir de conjuntos de datos de RM de Bangladesh, empleando al mismo tiempo Grad-CAM y técnicas relacionadas para garantizar la transparencia y la confiabilidad del modelo.
Este artículo propone IDW-ADAFormer, un marco basado en iTransformer que integra la descomposición de Ponderación Inversa de la Distancia adaptativa, un módulo de atención de diversidad de alineación basado en núcleos y una función de pérdida consciente del AQI para lograr un pronóstico de mediano plazo preciso e interpretable de las concentraciones de material particulado distribuidas espacialmente.
Este artículo propone un algoritmo de enjambre de peces artificial híbrido de Pareto que integra mecanismos de alimentación mejorados y recocido simulado para optimizar simultáneamente la planificación de la secuencia de ensamblaje y el equilibrio de la línea de ensamblaje mediante la minimización de la pérdida de equilibrio, los tiempos de conmutación y el tiempo de ciclo.
Este estudio evalúa el desempeño del algoritmo Apriori en conjuntos de datos transaccionales sintéticos a gran escala para demostrar que, si bien la disminución de los umbrales de soporte aumenta la diversidad de las reglas, incrementa significamente los costos computacionales, resaltando finalmente la necesidad de equilibrar la profundidad algorítmica con la eficiencia mediante la selección óptima de umbrales.