3821 artículos
Este artículo demuestra un teorema de no-go restringido que establece que los sistemas de aprendizaje cuántico coherentes y totalmente aislados no pueden lograr simultáneamente la universalidad y el entrenamiento coherente, estableciendo así el paradigma híbrido clásico-cuántico como una necesidad física en lugar de un compromiso de ingeniería.
Este artículo propone RABIS, un enfoque estadístico ligero que analiza los patrones de llamadas al sistema para distinguir el ransomware de los procesos benignos, logrando una precisión de detección del 98,05 % con una sobrecarga de rendimiento mínima.
Este artículo presenta SRI-ECR-balanced, un marco de reoptimización en línea para el enrutamiento dinámico de vehículos que adapta los patrones de ejecución especulativa de IA para lograr una reducción de latencia de 2.5× y un 100% de viabilidad en pruebas de estrés mediante el equilibrio entre el borrador de rutas especulativas, la verificación determinista, la reparación experta y el almacenamiento en caché de prefijos de ruta.
El artículo propone SQV-R2Gen, un nuevo marco para la generación de informes médicos que mejora la precisión clínica mediante el análisis de informes de texto libre en consultas estructuradas, empleando un mecanismo de verificación de calidad multidimensional para filtrar la evidencia espacial ruidosa de un profesor visión-lenguaje, y destilando esta evidencia local verificada para optimizar conjuntamente la consistencia semántica y el modelado de anomalías locales.
Este estudio demuestra que un marco de autoescalado consciente de la energía para microservicios de salud orquestados por Kubernetes reduce significativamente los costos operativos y el sobreaprovisionamiento de recursos en entornos de recursos limitados en comparación con el autoescalado convencional, reduciendo así las barreras de adopción para los sistemas de salud digital esenciales para la Cobertura Sanitaria Universal.
Este artículo presenta TabSSD, un nuevo marco de trabajo que aprovecha los Modelos de Lenguaje de Gran Escala para diseñar procedimientos de síntesis que preservan la privacidad basándose en resúmenes de dependencia de variables en lugar de datos brutos, logrando una fidelidad estadística, utilidad y compensaciones de privacidad superiores, al tiempo que reduce significativamente los costos computacionales y las barreras de especialización en comparación con los métodos existentes.
SemanticVul es un marco reproducible para la detección de vulnerabilidades en C/C++ que aprovecha explicaciones semánticas generadas localmente y fundamentadas en evidencia para mejorar significativamente la precisión y la recuperación de clases minoritarias sobre las líneas de base existentes, mientras valida rigurosamente las afirmaciones mediante la coincidencia determinista de código y la auditoría de conjuntos de datos.
Este artículo introduce el concepto de compensación de parámetros, donde los efectos físicos débiles son enmascarados por cambios compensatorios en otros parámetros, y propone una red neuronal con compensación de sesgo (BcNN) que aprovecha pseudo-soluciones estructuradas para recuperar de manera confiable estos efectos en problemas de aprendizaje inverso multiparámetro.
El artículo propone STME-GCN, una red de reconocimiento de acciones basada en esqueletos que mejora el rendimiento mediante la optimización de la generación de topologías a través de descriptores temporales de atributos múltiples y la mejora del modelado temporal mediante una rama colaborativa de pose y movimiento para capturar mejor la dinámica del movimiento y las relaciones entre articulaciones.
Este estudio utiliza experimentos controlados de la ruta más corta con restricciones de recursos para demostrar que, en el QAOA de penalización-X superficial, el muestreo de viabilidad deficiente proviene de insuficiencias del optimizador y desalineaciones del objetivo distintas, siendo que el entrenamiento basado en CVaR se aproxima eficazmente al rendimiento de los controles de viabilidad exacta en tareas no vistas.