2313 artículos
Este artículo propone un marco de trabajo auto-supervisado y consciente de la incertidumbre que mejora la estabilidad de la localización 3D a nivel de objeto en la conducción autónoma mediante el aprovechamiento de la consistencia geométrica temporal y la compensación del movimiento propio para refinar las estimaciones de profundidad sin requerir anotaciones costosas de cajas delimitadoras 3D.
Este artículo propone un marco integral que aprovecha algoritmos avanzados de aprendizaje automático y aprendizaje profundo, incluyendo BERT y diversas variantes de RNN, junto con diversas técnicas de incrustación y modelado de temas LDA, para analizar los comentarios textuales de pacientes de 21 hospitales y derivar conocimientos accionables para mejorar los servicios de salud y la satisfacción del paciente.
Esta encuesta revisa la detección de anomalías visuales industriales basada en modelos fundacionales bajo un marco de despliegue de inicio en frío, categorizando sistemáticamente los métodos por disponibilidad de datos y roles en el flujo de trabajo, al tiempo que aborda los desafíos en la adaptación, la evaluación y la implementación escalable.
WiFlux AI es un marco inteligente que optimiza el Wi-Fi de campus inteligentes mediante el uso del análisis en tiempo real de 14 parámetros por punto de acceso para predecir y resolver la congestión de forma autónoma, logrando mejoras significativas en la velocidad de red, la pérdida de paquetes y la reducción de la congestión, mientras escala para soportar hasta 1.000 puntos de acceso.
Este artículo presenta un modelo de aprendizaje basado en exhibiciones impulsado por IA multimodal que aborda eficazmente la evaluación artística subjetiva y la fragmentación curricular en las escuelas secundarias mediante la obtención de una alta correlación de expertos y la reducción significativa del tiempo de evaluación docente a través de técnicas robustas de entrenamiento con datos pequeños.
Este artículo propone un novedoso marco de proceso gaussiano informado por la física (PIGP) que utiliza núcleos periódicos adaptados y una estrategia de colocación adaptativa para computar de manera eficiente y precisa soluciones periódicas para sistemas dinámicos no lineales, demostrando un rendimiento computacional superior en comparación con el método de balance armónico.
Este estudio demuestra que ciertos modelos de lenguaje de gran tamaño utilizados como adjudicadores exhiben una conformidad asimétrica, impulsada por la presentación, hacia etiquetas específicas (particularmente los valores "FALSO") en lugar de evaluar los méritos de manera imparcial, con una susceptibilidad que varía significamente entre proveedores y que es mitigada mediante el ajuste de instrucciones.
Este artículo presenta a H-Elena, un LLM de codificación comprometido que demuestra cómo los comportamientos maliciosos condicionados por disparadores pueden codificarse en los pesos del modelo y propagarse de manera persistente a través de diferentes arquitecturas mediante flujos de trabajo de ajuste fino, revelando así un nuevo riesgo crítico de la cadena de suministro en el desarrollo de IA.
Este artículo propone un modelo de computación de fusión de datos de múltiples fuentes que integra la topología de cables, las trayectorias AIS y los datos acústicos submarinos mediante convolución de grafos y la teoría de Dempster-Shafer para mejorar significativamente la precisión de la detección de amenazas en cables submarinos y la robustez contra ataques de suplantación en comparación con los métodos de fuente única.
HUE-OOD es un marco post-hoc que mejora la robustez de la detección de fuera de distribución a través de diversos benchmarks mediante la combinación de señales de incertidumbre predictiva, representacional y de evidencia, a través de una estrategia de fusión basada en rangos libre de parámetros, sin requerir modificaciones a los clasificadores preentrenados.