2354 artículos
Este artículo presenta SciSchema.org, la primera colección multidisciplinaria de 16 esquemas anotados por expertos diseñados para estandarizar la descripción de procesos científicos en diversos campos, permitiendo así la anotación estructurada, la reproducibilidad y la comparación entre estudios a través de un flujo de trabajo de desarrollo con intervención humana.
Este artículo propone el Diagnóstico de la Función Epistémica (EFD, por sus siglas en inglés) como una capa de referencia unificadora para analizar e intervenir en los complejos peligros coocurrentes del diseño asistido por IA, integrando marcos establecidos a través de una arquitectura de diagnóstico-intervención de 2×2 y una gramática de Creencia-Medio-Método-Justificación (BMMJ), al tiempo que reconoce la necesidad de una validación empírica futura.
Este artículo presenta AMORL, un marco adaptativo y consciente del entrenamiento que combina el aprendizaje por refuerzo y las redes neuronales convolucionales para mapear dinámicamente diversas cargas de trabajo de DNN en redes en chip (Networks-on-Chip) heterogéneas, logrando reducciones significativas en el costo de comunicación, el desequilibrio de carga y la latencia, manteniendo al mismo tiempo un alto rendimiento y eficiencia energética.
Este estudio demuestra que los modelos de lenguaje de gran tamaño contemporáneos, particularmente cuando son guiados por técnicas de prompting avanzadas, pueden automatizar el triaje de derivaciones en reumatología con una precisión comparable o superior a la de los expertos humanos, eliminando eficazmente la necesidad de modelos costosos y a gran escala.
Este artículo presenta un marco de aprendizaje profundo híbrido federado de extremo a extremo para la detección de intrusiones en IoT que preprocesa y entrena diversos modelos (incluyendo CNN, LSTM y XGBoost) en los conjuntos de datos N-BaIoT, CICIoT2023 y BoT-IoT para lograr un alto rendimiento al tiempo que aborda las restricciones de privacidad y recursos, con resultados que resaltan el desafío particular del conjunto de datos multiclasificación CICIoT2023.
Este artículo propone una arquitectura de mezcla de expertos con enrutamiento de parches para la recomendación continua de borradores de MOBA que aprovecha identidades de parches versionadas para aislar la adaptación, logrando un olvido cero y una convergencia significativamente más rápida con un almacenamiento reducido en comparación con modelos independientes, aunque su ventaja de velocidad disminuye a medida que el flujo de parches se alarga.
Este artículo propone un marco de trabajo MobileViT-XS ligero y mejorado con atención que equilibra eficazmente la eficiencia computacional y la fiabilidad diagnóstica para la clasificación y segmentación conjunta de lesiones cutáneas, logrando un rendimiento competitivo en el conjunto de datos ISIC 2019 con significativamente menos parámetros que los modelos pesados.
Este artículo propone un marco de campo aleatorio de Markov neuralizado multiescala (MSMRF) que integra la extracción de características multiescala, la regularización de cuello de botella de información y restricciones fisiológicas para lograr un reconocimiento preciso y clínicamente plausible de las arritmias cardíacas, superando a las líneas base existentes en bases de datos de ECG públicas.
Este estudio emplea dos modelos de aprendizaje automático basados en Long Short-Term Memory (LSTM) para detectar la severidad del queratocono mediante el análisis de los parámetros oculares de los pacientes a partir de imágenes de OCT, monitoreando eficazmente la progresión de la enfermedad al considerar datos de ojos tanto unilaterales como bilaterales.
Este estudio de antes y después demuestra que la aplicación móvil en persa AIMedEdu mejoró significativamente la percepción de los estudiantes de atención médica sobre su preparación para la IA médica y recibió excelentes calificaciones de usabilidad, aunque se necesita investigación futura para confirmar la efectividad educativa a largo plazo y la generalizabilidad.