927 artículos
Este artículo presenta un marco ligero y modular que integra SLAM denso monocular (MASt3R-SLAM) con modelos de visión y lenguaje (Gemma 3 y Qwen2.5-VL) para permitir una navegación semántica robusta y de vocabulario abierto en entornos interiores utilizando únicamente entrada RGB, sin requerir sensores de profundidad ni el ajuste fino del modelo.
Este artículo presenta XAI-Gate, un novedoso marco de gobernanza agnóstico al detector que selecciona dinámicamente acciones de explicación para equilibrar la calidad de servicio de los paquetes, la interpretabilidad del operador y la exposición de información bajo restricciones de recursos, logrando reducciones significativas en la deuda de explicación y cero violaciones de presupuesto sin requerir el reentrenamiento del clasificador.
Este artículo presenta Omnilingual ASR, una familia de modelos de reconocimiento de voz escalable y de código abierto que aprovecha una arquitectura de autoaprendizaje de 7 mil millones de parámetros y un corpus de entrenamiento masivo y diverso para dar soporte a más de 1.660 idiomas, incluyendo más de 500 que anteriormente no estaban atendidos, al tiempo que permite a las comunidades adaptar fácilmente el sistema a nuevos idiomas con datos mínimos.
Este artículo presenta UDAQ, un marco de iteración Q unificado y orientado por recompensas que se adapta autónomamente a espacios de estados en evolución dinámica para optimizar simultáneamente la planificación de trayectorias punto a punto y la exploración eficiente del entorno, superando significativamente a los planificadores y estrategias de exploración convencionales en entornos desconocidos sin conocimiento previo del mapa.
Este artículo propone un novedoso marco de identificación de dedos robusto ante la pose que integra la alineación de regiones mutuas, el aprendizaje de características de puntos de convolución mínima y la fusión de puntuación ponderada para abordar eficazmente la degradación del rendimiento causada por la rotación longitudinal y las deformaciones no rígidas en imágenes de dedos sin contacto, logrando resultados de vanguardia en cuatro conjuntos de datos públicos.
Este artículo presenta un marco de trabajo centrado en el comportamiento para clasificar las técnicas de MITRE ATT&CK utilizando telemetría de Sysmon, demostrando que la correlación de eventos basada en GUID combinada con el modelo transformador SecureBERT supera la correlación temporal y los enfoques tradicionales de aprendizaje automático en la identificación de actividades adversarias.
Este artículo propone una novedosa función de activación denominada Unidad de Seno Rectificado (RSU) que mejora significativamente el rendimiento de las Redes Neuronales Convolucionales en el diagnóstico patológico automatizado a través de cuatro diversos conjuntos de datos de cáncer, logrando una precisión superior en comparación con funciones de activación estándar como ReLU y Leaky ReLU.
Este estudio valida empíricamente un marco híbrido de IA-IoT que integra la detección ambiental continua con el aprendizaje automático para predecir y proporcionar alertas tempranas sobre el deterioro cromático en fachadas del patrimonio tropical en Indonesia, logrando una alta precisión y generalizabilidad en múltiples sitios.
Este artículo propone un método de conciencia del estado de seguridad basado en aprendizaje profundo para equipos de redes de control industrial petroquímicos mediante un modelo híbrido TCN-MGRU para abordar la complejidad situacional y los retrasos de información, mejorando significativamente la precisión de detección y la protección de seguridad.
Este artículo presenta un flujo de trabajo de detección híbrido de bajos recursos que combina el preprocesamiento basado en movimiento con YOLOv8-nano para identificar eficientemente bandadas de Quelea de pico rojo en hardware de solo CPU, logrando una alta precisión mientras reduce significativamente la carga computacional durante escenas estáticas.