974 artículos
El artículo presenta SPIDER-WEB, un marco de codificación todo en uno que permite la recuperación de datos concurrente y en tiempo real durante la secuenciación de ADN, logrando ganancias de eficiencia de hasta 9.083 veces sobre los métodos convencionales y demostrando un rendimiento de nivel de disco compacto con una renderización de video exitosa en menos de 100 segundos.
Esta revisión de alcance analiza los marcos de seguridad de IoT existentes para sistemas de salud digital, revelando que, si bien las soluciones actuales a menudo abordan áreas discretas, carecen de una integración integral, e identifica elementos clave como las evaluaciones de vulnerabilidad, el modelado de amenazas y la IA como esenciales para desarrollar mecanismos de defensa robustos y proactivos.
Este artículo presenta un estudio de ablación sistemático sobre la adaptación de TrOCR para el reconocimiento de textos manuscritos medievales, demostrando que estrategias específicas de congelación de capas y la eliminación de la normalización de contraste pueden lograr una precisión competitiva en conjuntos de datos históricos pequeños, proporcionando al mismo tiempo validación entre conjuntos de datos e información sobre interpretabilidad.
Este estudio propone un marco de aprendizaje profundo utilizando el conjunto de datos UNSW-NB15 para la detección de intrusiones en la red y la clasificación de ataques multiclase, demostrando que una arquitectura RNN-LSTM supera a los modelos ANN y CNN al lograr una precisión del 97.42% mediante técnicas optimizadas de preprocesamiento de datos y equilibrio de clases.
Este artículo demuestra que los modelos de aprendizaje automático interpretables entrenados con características de protocolos públicos de ClinicalTrials.gov pueden predecir con precisión la probabilidad de éxito técnico y regulatorio para ensayos de moléculas pequeñas, superando los estándares de referencia y ofreciendo una herramienta reproducible para la valoración ajustada al riesgo.
El artículo propone SupCon-Mamba, un marco de detección de objetivos hiperespectrales de pocos disparos que integra un mecanismo de codificación de contexto local, un módulo Mamba piramidal para un modelado espectral multiescala eficiente y aprendizaje contrastivo supervisado para eliminar falsos negativos y lograr un rendimiento de detección superior con un mínimo de muestras etiquetadas.
LGAgent es un marco de trabajo multiagente estructurado y guiado por reglas que aprovecha las interacciones colaborativas entre LLM de diversas escalas para imitar flujos de trabajo legales profesionales, entregando así un razonamiento adjudicativo interpretable, verificable y superior en comparación con los enfoques estándar de un solo modelo.
Este artículo presenta AIMAPP, un marco de trabajo compatible con ROS y de autoaprendizaje supervisado que unifica el mapeo, la localización y la planificación en línea para robots autónomos en entornos desconocidos mediante el aprovechamiento de la Inferencia Activa para construir dinámicamente mapas topológicos dispersos y equilibrar la exploración con la navegación dirigida a objetivos sin depender de mapas predefinidos o de preentrenamiento.
Este artículo propone un motor de pronóstico híbrido de Bitcoin que integra la descomposición de señales de doble capa guiada por la Entropía de Permutación (CEEMDAN-VMD) con una Red Neuronal Profunda optimizada mediante Optimización de Multi-Enjambre, demostrando un desempeño estadísticamente significativo y superior en precisión y predicción direccional en comparación con los modelos base y las alternativas de enjambre único.
Este artículo propone un algoritmo de aprendizaje federado en el borde consciente de la contribución (CA-FE-MADDPG) que integra el modelado de interferencia espacial, mecanismos de penalización de grano fino e inicialización guiada por heurística para abordar la interferencia de espectro, la asignación injusta de créditos y la no estacionariedad ambiental en redes masivas de IoT, mejorando así significativamente el rendimiento del sistema, las tasas de acceso y la calidad del servicio.