2335 artículos
El artículo propone CDA-YOLO, un marco de trabajo YOLOv11 mejorado que incorpora una Red de Pirámide de Características Bidireccional de nivel cruzado, un módulo de Convolución de Doble Escala ligero y un mecanismo de atención promedio libre de parámetros para mejorar significativamente la precisión de la detección de defectos en PCB al abordar los desafíos con objetivos diminutos y fondos complejos.
Este estudio presenta un marco explicable y consciente de la fuga de datos para el pronóstico del rendimiento del trigo a nivel de distrito en Madhya Pradesh, India, demostrando que los protocolos de validación rigurosos y la inclusión de datos históricos de rendimiento son más críticos para la precisión predictiva que la complejidad del modelo, siendo el Elastic Net el que logra el mejor rendimiento en la prueba protegida.
Este estudio revela que, si bien los modelos actuales de IA generativa demuestran una alta estabilidad interna, exhiben un menor acuerdo con evaluadores humanos, sesgos sistemáticos de severidad y falta de aplicación de reglas específicas de rúbrica en comparación con la doble calificación humana, lo que sugiere que son más adecuados para una asistencia supervisada y activada por discrepancias que para el reemplazo autónomo en la evaluación de la escritura de EFL con consecuencias.
Este artículo propone un marco híbrido integrado que combina TF-IDF, similitud semántica y filtrado colaborativo para la selección de proveedores candidatos con un sistema de inteligencia de reseñas sensible a la confianza que utiliza Multi-Task BiLSTM e Isolation Forest para analizar el sentimiento específico de los aspectos y la credibilidad de las reseñas, logrando así un emparejamiento de proveedores de servicios más confiable a través de un flujo de reordenamiento unificado.
Este artículo demuestra que un modelo de lenguaje compacto de 201 millones de parámetros que utiliza un enrutamiento de hash múltiple determinista basado en la identidad del token para la selección de expertos puede lograr un rendimiento competitivo en tareas de entrenamiento de largo horizonte, aunque la contribución específica del mecanismo de enrutamiento permanece sin aislar debido a la falta de controles densos emparejados.
Este artículo presenta Fed-DLC, un marco de aprendizaje federado ligero que emplea un cifrado dinámico para asegurar los intercambios de modelos en redes con recursos limitados, demostrando que mantiene un rendimiento de la tarea comparable al aprendizaje federado estándar mientras añade una sobrecarga computacional manejable, aunque su seguridad criptográfica requiere una validación adicional.
Este estudio introduce un flujo de trabajo de PLN bilingüe y reproducible que adapta la arquitectura del Índice de Brecha entre el Decir y el Hacer para detectar la divergencia entre la retórica corporativa y las prácticas de gobernanza observables con respecto a la IA agéntica dentro del índice IBEX 35, demostrando la capacidad de generalización del marco más allá de los dominios tradicionales de ESG.
Este artículo propone un novedoso marco de reconstrucción de superficies 3D que mejora la interpolación neuronal de Funciones de Base Radial (RBF) mediante la inserción explícita de pesos de altitud geométrica en la matriz de activación y el uso de agrupamiento K-means con núcleos de soporte compacto para lograr una reconstrucción de nubes de puntos no estructuradas a gran escala de alta precisión y computacionalmente eficiente.
Este estudio propone un marco de aprendizaje automático no supervisado que utiliza el Análisis de Componentes Principales y el Análisis de Factores para validar y mejorar la transparencia y la estabilidad de los rankings universitarios mediante la derivación de factores latentes y la aplicación de pesos equilibrados, demostrando finalmente que, si bien los rankings individuales fluctúan, los patrones de distribución general de las principales universidades australianas se mantienen consistentes con sistemas establecidos como THE y QS.
Este estudio prerregistrado demuestra que en un modelo de lenguaje pequeño con memoria versionada, la implementación de la abstención mediante una cabeza binaria separada supera significamente a los tokens de vocabulario y a las ranuras de memoria al desacoplar la decisión de la softmax de generación, haciendo así que la capacidad de decir "no lo sé" sea aprendible incluso con márgenes de precisión limitados.