1017 artículos
Este artículo propone un marco de Red Generativa Antagónica con Clasificador Auxiliar (AC-GAN) que sintetiza imágenes térmicas de alta fidelidad de defectos fotovoltaicos poco comunes para abordar el desequilibrio de clases, mejorando así significativamente la calibración probabilística y la fiabilidad del diagnóstico de fallos impulsado por IA en las operaciones solares.
Este artículo presenta QNeuroGen, un marco neuronal híbrido cuántico-clásico que logra la decodificación del estado cognitivo en tiempo real a partir de señales EEG ruidosas con una precisión del 89,2 % y una latencia de 48 ms mediante la integración de un preprocesamiento estructurado con la codificación de características cuánticas variacionales.
Este estudio propone una arquitectura híbrida ResNet101-LSTM optimizada con Adam que logra una alta precisión y especificidad en la clasificación de cáncer de mama a partir de imágenes histopatológicas de BreaKHis a un aumento de 40x, superando a otros modelos de aprendizaje profundo tanto en escenarios binarios como multiclase.
Este estudio demuestra la viabilidad de las Redes Neuronales Cuánticas para el pronóstico de la energía eólica al evaluar sistemáticamente 12 configuraciones frente a modelos clásicos, revelando que diseños específicos de QNN pueden lograr un rendimiento competitivo (hasta R² = 0,94) a pesar de las compensaciones computacionales inherentes a las simulaciones de la era NISQ.
Este artículo presenta QGH-256, un nuevo algoritmo de hashing cuántico que genera huellas digitales de 256 bits mediante el mapeo de mensajes a grafos ponderados en una rejilla toroidal y la utilización de la Estimación de Fase Cuántica para extraer características espectrales que capturan propiedades tanto estructurales como dinámicas, demostrando una fuerte sensibilidad criptográfica y viabilidad a través de simulaciones en Qiskit.
Este artículo presenta DDANet, una novedosa Red de Doble Atención Densa que combina conexiones de salto densas y mecanismos de doble atención para lograr una delineación de bordes y una generalización superiores en la segmentación de imágenes médicas, superando a los modelos de referencia con altos puntajes de precisión, Dice e IoU.
Este artículo presenta TinyOL-ARLDA, un marco de aprendizaje incremental ligero y en el dispositivo basado en el Análisis Discriminante Lineal regularizado que permite el mantenimiento predictivo basado en el sonido en tiempo real e independiente de la nube en microcontroladores con una precisión superior al 94 % y una huella de memoria inferior a 20 KB.
Este artículo propone CGS-RAG, un nuevo marco que aprovecha el algoritmo HDRF para la partición de comunidades personalizable y el reporte semántico para superar las limitaciones de los sistemas RAG tradicionales y mejorados por grafos, equilibrando la consistencia semántica global con el uso eficiente de recursos en escenarios de conocimiento dinámicos.
Este artículo presenta un marco determinista y fundamentado en conceptos para el entrenamiento en simuladores de vuelo que mapea evidencia subsimbólica hacia adaptaciones de escenarios admisibles mediante una política de aprendizaje automático restringida, garantizando la confiabilidad a través de garantías de seguridad formales y demostrando efectividad empírica al aproximar una política de base verificada.
Este artículo propone un marco computacional multimodal que fusiona video de la marcha, señales inerciales, presión plantar y datos de flexión de la rodilla para lograr una evaluación inteligente de alta precisión de la función de la rodilla y la predicción del riesgo de ejercicio para pacientes de edad avanzada, demostrando una estabilidad y robustez superiores en comparación con los modelos base existentes.