2332 artículos
Este artículo propone la Segmentación de Primero el Límite (Boundary-First Segmentation), un paradigma sin entrenamiento que construye regiones de consulta cerradas antes del arbitraje de identidad mediante el Transporte de Evidencia de Límite Unificado (UBET), logrando un rendimiento de vanguardia a través de diversos referentes al priorizar la coherencia espacial sobre la similitud semántica densa.
Este artículo propone un marco criptográfico de resiliencia cuántica llamado Filtro de Onda Espectral Fractal, el cual logra un procesamiento eficiente de O(N log N) y una alta entropía mediante el mapeo de datos 2D vía curvas de orden Z de Morton, la aplicación de Transformadas de Número Teórico sobre anillos finitos y el aprovechamiento de colisiones de aliasing no mitigadas como un mecanismo de difusión.
Este artículo presenta Mastyf Guard, una arquitectura de seguridad de prioridad determinista que trata a los agentes de LLM como sujetos no confiables y aplica invariantes de no escalada condicionales mediante un monitor de referencia externo, logrando una detección de ataques casi perfecta con cero falsos positivos en evaluaciones empíricas contra amenazas de inyección de prompts indirecta y exfiltración.
Este artículo presenta y valida una arquitectura de visión ponible, segura y fuera de línea que integra un ESP32-CAM y una Raspberry Pi que impone cifrado autenticado, resistencia al replay y un arranque de falla cerrada mediante contratos de software reproducibles y pruebas rigurosas basadas en CI.
Este artículo presenta el diseño y la evaluación de un rostro robótico de bajo costo basado en Raspberry Pi que utiliza OpenCV para el seguimiento visual en tiempo real y la actuación controlada por servos para imitar expresiones faciales y movimientos de cabeza humanos, logrando una precisión de detección del 92,4 % con una latencia mínima mientras aborda las consideraciones de seguridad para sistemas interactivos inteligentes.
Este artículo propone un algoritmo de Deep Q-Learning mejorado para la detección de incendios mediante UAV en zonas experimentales educativas que integra la optimización de recompensa multiobjetivo, incentivos de movimiento diagonal y restricciones inspiradas en A* para mejorar significativamente la eficiencia de la trayectoria, reducir la exposición al riesgo y aumentar las tasas de éxito de la misión en comparación con los métodos convencionales.
El artículo propone GHD-DETR, una novedosa arquitectura de transformador de detección que presenta los módulos GatedNestStage, BDB y HAGF para mejorar significativamente la robustez de la detección de objetos para objetos pequeños, ocluidos y de bajo contraste bajo condiciones de imagen complejas, logrando mejoras sustanciales de rendimiento en conjuntos de datos desafiantes como RTTS, HazyDet y DUO.
Este artículo propone un marco de difusión adaptativa de doble rama y alineación temporal guiada por movimiento que resuelve eficazmente el compromiso entre imperceptibilidad y robustez en la marca de agua de video invisible al combinar la difusión local adaptativa al contenido con el anclaje global consciente de las coordenadas para lograr un rendimiento superior contra el recorte local y otros ataques.
Este estudio propone un marco de aprendizaje profundo consciente del sesgo que utiliza un conjunto de datos de radiografías de tórax multifuente, curado y preprocesado uniformemente, y una verificación de integridad de predicción de origen para mitigar el sesgo de origen de los datos, demostrando que un modelo ResNet-38 personalizado logra una precisión de detección de enfermedades pulmonares multiclasificación superior de aproximadamente el 93% en comparación con arquitecturas ResNet más profundas.
Este artículo propone un marco híbrido de Seguridad Basada en Aprendizaje Automático (MLBS, por sus siglas en inglés) que integra K-Vecinos Más Cercanos (KNN) y Redes Neuronales Recurrentes (RNN) para lograr una precisión y robustez superiores en la detección de ataques de Denegación de Servicio Distribuido (DDoS) dentro de las redes del Internet de las Cosas (IoT), superando a los modelos convencionales con una tasa de detección del 98,72%.