974 artículos
Este artículo presenta SBC-AND, un conjunto de datos curado de 442 registros de publicaciones científicas en portugués diseñado para abordar la subrepresentación de lenguas no inglesas en la investigación de la Desambiguación de Nombres de Autor y servir como un referente desafiante para evaluar modelos de desambiguación multilingües.
Este artículo propone un modelo de clasificación de recomendaciones multimodal consciente del estado para el comercio electrónico transfronterizo que modela explícitamente los cambios en la intención del usuario a corto plazo a través de seis estados operativos, logrando un rendimiento superior en las recomendaciones de categorías cruzadas y de artículos de baja frecuencia en el nuevo conjunto de datos CEMR-42M de 42 millones de registros en comparación con las líneas base existentes.
Este estudio introduce el marco MDQ-3L para evaluar modelos de aprendizaje automático clásicos, profundos y cuánticos para la predicción de la contaminación del aire, revelando que, si bien los modelos clásicos como CatBoost y DBN superan actualmente a los enfoques cuánticos bajo las restricciones de la era NISQ, el sistema de puntuación multimétrica propuesto identifica eficazmente las limitaciones estructurales y guía la selección de circuitos cuánticos de bajo entrelazamiento para el futuro modelado ambiental híbrido.
Este artículo propone el uso de un CUT-GAN de bajos recursos para generar parches de mamografía sintéticos para entrenar modelos de aprendizaje profundo en entornos con recursos limitados, demostrando que, si bien los datos sintéticos mejoran el rendimiento del modelo en comparación con la ausencia de datos, actualmente producen una precisión (0.751 AUC) inferior al entrenamiento con imágenes reales (0.913 AUC).
Este artículo presenta un pipeline RV32IM de cinco etapas sintetizable que cuenta con un predictor de ramas gshare integrado y una unidad de visualización VGA en FPGA independiente del host, la cual logra una mejora de rendimiento de 2.33× sobre una base estática al tiempo que permite la introspección del pipeline en tiempo real y la verificación funcional de precisión de bits.
Este artículo propone un marco de trabajo ligero basado en la extracción de características espacio-temporales profundas y de doble atención (CSFE-DAE) que combina los Patrones Espaciales Comunes con mecanismos de doble atención para lograr una precisión de detección de la enfermedad de Parkinson de vanguardia del 97.59% en señales de EEG.
Este estudio utilizó un modelo de desarrollo de Cuatro Dimensiones para crear y validar un sistema de gestión de aprendizaje basado en IA para escuelas primarias, el cual los expertos consideraron altamente factible y eficaz para mejorar las habilidades de pensamiento computacional de los estudiantes, particularmente en descomposición, abstracción y algoritmos.
Este artículo propone una Red Neuronal Híbrida Cuántico-Clásica de Fusión Adaptativa a las Características (FAF-HQNN, por sus siglas en inglés) que pondera dinámicamente las predicciones clásicas y cuánticas para lograr una precisión superior y robustez contra el ruido en tareas de clasificación de imágenes biomédicas.
El artículo propone ACDGRec, un modelo de recomendación robusto que integra el entrenamiento adversarial y el aprendizaje contrastivo en una red neuronal de grafos basada en difusión para abordar eficazmente la escasez de datos, los problemas de inicio en frío y la inestabilidad de la entrada mediante la captura de correlaciones de contexto latente del usuario.
Este artículo propone un marco de trabajo de Gradiente de Política Determinista Profundo Multi-Agente (MADDPG) consciente de NDN que aprovecha el aprendizaje descentralizado y representaciones de estado especializadas para mitigar eficazmente los Ataques de Contaminación de Caché en Redes de Datos Nombrados, demostrando una eficiencia de caché superior, una convergencia más rápida y una mayor resiliencia en comparación con los enfoques de agente único y convencionales.