3900 artículos
Este artículo propone un marco híbrido que combina un modelo epidémico de seguridad de dos niveles no lineal con una red neuronal profunda para analizar, predecir y simular eficientemente la dinámica de propagación de malware, demostrando una alta precisión y eficiencia computacional para aplicaciones de ciberseguridad.
Este estudio demuestra que, si bien un flujo de trabajo de LLM local con salvaguardas supera significativamente al uso de prompts directos en la generación de respuestas correctas, sus controles de consistencia interna no logran evitar la selección de calculadoras clínicas inapropiadas, lo que resalta la necesidad crítica de una verificación de aplicabilidad independiente antes del despliegue.
Este artículo presenta un mapa de evidencia que revela que, si bien las especificaciones de metadatos existentes poseen la capacidad técnica para rastrear la procedencia y el licenciamiento a nivel de archivo, persiste una brecha crítica en su adopción y validación a través de 29 corpus de investigación, lo que motiva una propuesta de un kit de evidencia mínimo y nueve recomendaciones accionables para cerrar esta división.
Este estudio demuestra que los resultados de probabilidad de los modelos de decisión identifican eficazmente errores en las preguntas de los exámenes de licencias médicas, permitiendo una estrategia híbrida rentable donde remitir el 20% de las respuestas con menor confianza a un modelo generativo más fuerte aumenta significativamente la precisión general al tiempo que captura una parte sustancial de las ganancias potenciales disponibles de un oráculo ideal.
Este artículo demuestra que la aplicación de técnicas rigurosas de preprocesamiento de datos, incluyendo el sobremuestreo SMOTE y la selección de características, a un único clasificador de Árbol de Decisión mejora significativamente la exhaustividad (recall) de detección de fraude (77.46%) en un conjunto de datos desbalanceado de tarjetas de crédito europeas, ofreciendo una solución computacionalmente eficiente e interpretable a pesar de la baja precisión.
Este artículo proporciona una revisión exhaustiva de las técnicas de detección de anomalías en 3D basadas en visión artificial, cubriendo enfoques multimodales y de nubes de puntos, métodos independientes de la pose, conjuntos de datos y evaluaciones de referencia, al tiempo que analiza las arquitecturas de red, destacando los desafíos actuales y delineando las direcciones de investigación futuras para la fabricación inteligente.
Este estudio controlado demuestra que, si bien el aprendizaje por refuerzo por lotes para la composición heurística por pasos en el empaquetado de tiras fuera de línea produce mejoras modestas y estadísticamente significativas con respecto a los portafolios estáticos, su rendimiento sigue siendo inferior al de la búsqueda local presupuestada y ofrece una ventaja limitada sobre las configuraciones estáticas bien ajustadas.
Este artículo presenta un prototipo de software para el monitoreo inteligente del tráfico utilizando YOLOv11 y un tablero de Flask, el cual, a pesar de lograr solo un rendimiento de detección base limitado en un conjunto de datos pequeño, sirve como una base transparente para futuras mejoras al documentar sus capacidades actuales y notar explícitamente la ausencia de integración de hardware y funciones de control automatizado.
Este estudio implementa y evalúa un sistema de generación aumentada por recuperación (RAG) para la respuesta a preguntas médicas utilizando el conjunto de datos MedQuAD, demostrando que los modelos de incrustación específicos del dominio, particularmente MedCPT, superan significativamente a las bases de referencia de propósito general tanto en la precisión de la recuperación como en la calidad de la respuesta.
Este artículo presenta Maand, una plataforma de atención de salud mental virtual impulsada por IA, multimodal y de pila completa que integra texto, voz, lengua de señas en tiempo real y entornos emocionales inmersivos para superar la escasez global de profesionales y las barreras de accesibilidad, demostrando una sólida seguridad clínica, un rendimiento de baja latencia y una alta aceptación de los usuarios mediante una rigurosa validación empírica.