1017 artículos
Este artículo propone un enfoque de verificación de fuentes para la detección de phishing basado en correos electrónicos que combina el PLN para extraer las instituciones objetivo con la minería web para comparar las URL y el contenido proporcionados con los sitios web oficiales, logrando una precisión del 96 % y superando a los servicios de detección existentes.
Este estudio presenta un kit de herramientas integrado de Realidad Aumentada y electrónica embebida que mejora significativamente la comprensión de los estudiantes de pregrado en áreas STEM sobre grafos de redes complejos, beneficiando particularmente a aquellos con baja confianza inicial, al combinar visualizaciones físico-virtuales sincronizadas con interacción táctil y superposiciones contextuales.
Este artículo propone NSP-ML, un marco de aprendizaje multimodal que integra datos visuales con registros textuales guiados por la normalidad y conscientes de los conocimientos espaciotemporales para mejorar significativamente el reconocimiento de comportamientos anormales dependientes del contexto en entornos universitarios, logrando un rendimiento de vanguardia en el conjunto de datos CABRH8.
Este artículo propone IoT-TrustChain, un marco de control de acceso basado en blockchain y eficiente en recursos que integra la delegación dinámica y políticas sensibles a eventos para reducir significativamente la latencia de decisión y el consumo de gas, mejorando al mismo tiempo la capacidad de respuesta en tiempo real para entornos de IoT con restricciones.
Este estudio demuestra que la inyección de prompts incrustados en imágenes plantea un riesgo de seguridad significativo entre distintos proveedores para los modelos de visión y lenguaje aplicados a la odontología, revelando que, si bien todos los sistemas comerciales y de código abierto probados son vulnerables, la sanitización basada en OCR y las estrategias de gobernanza conscientes de la procedencia pueden mitigar eficazmente estos ataques preservando al mismo tiempo la precisión del diagnóstico clínico.
Este artículo propone una novedosa red de atención afín profunda consciente de los límites que integra el modelado de la relación de pares de palabras de frontera, la convolución dinámica y la atención afín profunda para abordar eficazmente los desafíos en la identificación de los límites de las entidades y el modelado de dependencias de largo alcance, logrando un rendimiento de vanguardia tanto en tareas de reconocimiento de entidades nombradas planas como anidadas en cinco conjuntos de datos de referencia.
Este artículo introduce y evalúa los Campos Residuales Pitagóricos con Conciencia de Rama de Bernardes como una herramienta de diagnóstico de procesamiento de geometría especializada, no orientada a la fabricación, diseñada para generar pistas de contorno compatibles con ramas para el análisis exploratorio de envolventes de malla, mientras reconoce explícitamente sus limitaciones respecto a la dependencia de coordenadas, la sensibilidad a la resolución y la falta de garantías de fabricación en comparación con los campos de distancia estándar.
Este estudio propone un marco de aprendizaje profundo utilizando arquitecturas YOLO para detectar y clasificar ocho actividades del conductor, demostrando que el modelo YOLOv8n logra un rendimiento superior en tiempo real con un mAP del 96,3% en un conjunto de datos de 5.422 imágenes, ofreciendo así una solución eficaz para mejorar la seguridad vial en los sistemas de transporte inteligentes.
Esta revisión sistemática de la literatura de 136 artículos identifica 14 perspectivas de investigación clave sobre la calidad y la comprensibilidad de la notación del Lenguaje de Modelado Unificado (UML), revela una tendencia creciente hacia la prueba y la evaluación, y propone direcciones de investigación futuras que incluyen la integración con plataformas de bajo código y la mejora de la evaluación automatizada.
Este artículo presenta el marco de trabajo de Inteligencia de Borde Interpretable (IEI, por sus siglas en inglés), el cual combina un LSTM-Autoencoder con K-Means-compressed KernelSHAP para lograr un análisis de causa raíz causal y en tiempo real de las anomalías de QoS en redes privadas 5G, demostrando una alta precisión y la necesidad crítica de la calibración local para prevenir fallos de despliegue.