3775 artículos
Este artículo presenta ThyroNet, un modelo híbrido de aprendizaje profundo que combina capas CNN, BiLSTM y DNN que logra una alta precisión (94.81% de precisión en las pruebas) al predecir la recurrencia del cáncer de tiroides mediante el análisis efectivo de características clínicas y patológicas para apoyar la planificación de tratamientos personalizados.
Esta revisión crítica mapea la madurez de los métodos de IA a lo largo del proceso de desarrollo de sensores, distinguiendo entre las capacidades desplegadas comercialmente en áreas como la calibración y el cribado de materiales frente a las afirmaciones mayoritariamente proyectadas de compresión del ciclo de vida de extremo a extremo, al tiempo que identifica brechas de datos clave y condiciones para una validación futura.
Este artículo demuestra que para el Análisis de Sentimiento Basado en Aspectos transdominio basado en Mamba, el simple agrupamiento del último token combinado con la adaptación de etiquetas pseudo es más efectivo que los métodos de agregación sofisticados o las estrategias de agrupamiento complejas, a pesar de las ineficiencias de implementación actuales en comparación con BERT.
Este estudio demuestra que mejorar la detección de fábricas de artículos basada en aprendizaje automático en la investigación del cáncer mediante la integración de datos de texto completo, citas e imágenes con la información de título y resumen mejora significativamente la precisión del modelo, alcanzando hasta un 98,2 % en la validación interna y un 96,4 % en la validación externa.
Este artículo demuestra que, si bien la abstención consciente del conflicto en la verificación de afirmaciones de FEVER proporciona una justificación interpretable para retener respuestas, no logra mejorar la precisión selectiva sobre el ranking basado en la confianza estándar en niveles de cobertura equivalentes y funciona deficientemente cuando se aplica a evidencia científica.
Este artículo presenta SciFilter, un sistema de acceso abierto impulsado por metadatos que automatiza el cribado escalable de fuentes de publicaciones académicas mediante la alineación de datos bibliográficos con registros nacionales como JUFO y el Registro Noruego, logrando una alta precisión (precisión 0,95, exhaustividad 0,96) y fiabilidad (Kappa de Fleiss 0,94) frente a referentes curados por humanos.
PaperAtlas es un atlas de construcción automática y código abierto derivado de 6,4 millones de artículos de acceso abierto que identifica y agrupa métodos computacionales y software, revelando que una parte significativa de estos recursos carece actualmente de presencia en los registros curados existentes.
Este artículo aborda la filtración de datos generalizada en los benchmarks de N-BaIoT causada por divisiones aleatorias a nivel de fila mediante la introducción de un protocolo de evaluación de bloques disjuntos formal y un ensamble de apilamiento impulsado por la diversidad, demostrando que mientras los modelos lineales estándar colapsan bajo restricciones temporales rigurosas, los árboles de potenciación de gradiente y los ensambles cuidadosamente construidos logran una clasificación de botnets multiclase robusta con explicaciones teóricamente fundamentadas para su dinámica de rendimiento.
Este artículo presenta una revisión basada en marcos de trabajo sobre ecosistemas de UAV habilitados por IA que introduce tres modelos analíticos para sintetizar la investigación fragmentada sobre autonomía, comunicación y energía, identificando finalmente patrones de diseño y direcciones futuras a través de diversos sectores de aplicación.
Este artículo propone un marco de cifrado de imágenes robusto y eficiente que integra la Transformada de Fourier Fraccionaria, la descomposición de Hessenberg y mapas caóticos híbridos dentro de un proceso de confusión-difusión de tres etapas para lograr una alta seguridad contra diversos ataques, manteniendo al mismo tiempo una baja complejidad computacional.