929 artículos
Este artículo propone DP-DCGAN, una Red Generativa Antagónica Convolucional Profunda mejorada con privacidad diferencial que emplea el recorte de gradiente adaptativo y la inyección de ruido para lograr un equilibrio superior entre la protección de la privacidad y la síntesis de imágenes de alta calidad en conjuntos de datos estándar.
Este artículo introduce una función de equilibrio de carga adaptativo impulsada por IA para CloudSimPlus que utiliza un modelo de Árbol de Decisión preentrenado para seleccionar dinámicamente la estrategia más adecuada de un marco unificado de políticas basado en métricas en tiempo real y objetivos definidos por el usuario, mejorando así la eficiencia y la toma de decisiones en entornos de nube dinámicos.
Este artículo sostiene que priorizar una fuerte generalización del modelo para prevenir el sobreajuste es una estrategia más efectiva para mitigar los ataques de inferencia de membresía y de atributos en los sistemas de detección de intrusiones SDN-IoT que depender únicamente de la privacidad diferencial, proponiendo un modelo en cascada híbrido AOPRF-XGBoost para lograr una alta precisión de detección preservando al mismo tiempo la privacidad.
Este artículo propone LA-MOCHS, un marco evolutivo consciente de la vida útil que aborda la selección multi-objetivo de cabezas de clúster en redes de sensores inalámbricos submarinos mediante el modelado de la capacidad de servicio como un problema de maximización de influencia submodular, logrando así una sostenibilidad de red a largo plazo superior a través de estrategias de despliegue conscientes de la carga en lugar de la optimalidad de una sola ronda.
Este artículo presenta un marco de trabajo para la predicción temprana del riesgo estudiantil que preserva la privacidad y está limitado por recursos, el cual integra modelos XGBoost calibrados, explicabilidad basada en SHAP y una capa de intervención agéntica consciente del presupuesto para garantizar una toma de decisiones precisa, interpretable y conforme, al tiempo que soporta el desaprendizaje de máquinas.
Este artículo presenta CerebroTune, una novedosa metaheurística híbrida de inspiración biológica que integra Autómatas Celulares, un algoritmo de Colonia de Abejas Artificiales modificado y Aprendizaje por Refuerzo con redes de Hopfield para optimizar dinámicamente los hiperparámetros de aprendizaje profundo, logrando una precisión superior, costos computacionales reducidos y una estabilidad mejorada a través de diversos dominios en comparación con los métodos existentes.
Este artículo propone un Algoritmo de Optimización de Mina de Oro Mejorado con un marco de intercambio de información de doble capa y dominancia de Pareto dinámica (IGMO-DP) para resolver eficazmente el problema de programación multiobjetivo de enjambres de UAV heterogéneos mediante la optimización simultánea del tiempo de finalización de la misión, el consumo de energía y el equilibrio de carga, demostrando una convergencia y diversidad de soluciones superiores en comparación con los algoritmos de vanguardia.
Este artículo sostiene que la métrica tradicional de impacto científico basada en citas se está volviendo obsoleta en una era de revistas desvinculadas y acceso al conocimiento mediado por IA, lo que requiere un nuevo sistema que reconozca y mida las contribuciones de la interacción con la IA, las bibliotecas de código abierto y los conjuntos de datos que carecen de publicaciones formales.
Este artículo propone un método de descarga de tareas sensible a la cola para el continuo de computación que hibrida una aproximación de retardo G/G/c analíticamente corregida con observaciones de cola en tiempo real para asignar tareas dinámicamente bajo cargas de trabajo variables, reduciendo así significativamente la latencia y el error de estimación en comparación con las líneas base existentes sin requerir entrenamiento o calibración.
Este artículo propone DPENet, una red de mejora de percepción dinámica que integra módulos de convolución dinámica adaptativa, atención deformable y muestreo dinámico para abordar eficazmente desafíos como la variación en el tamaño de los objetivos, objetos pequeños densos y fondos complejos en la detección de imágenes de teledetección de alta resolución.