1017 artículos
Este estudio demuestra que las Redes Convolucionales de Subvariedad Dispersa (SSCN) logran un procesamiento de Batimetría LiDAR Aerotransportada de alta precisión y grado operativo con un 97,2% de exactitud y un 99,7% de cobertura utilizando datos de entrenamiento mínimos, estableciendo un referente reproducible para el levantamiento costero automatizado y la cartografía náutica.
Este estudio propone un marco de trabajo de GPT-4 para automatizar documentos administrativos clave en el sector salud, tales como resúmenes de alta y reclamaciones de seguros, demostrando una alta fluidez y coherencia mediante la ingeniería de prompts, al tiempo que destaca la necesidad de trabajos futuros para abordar la precisión fáctica y la integración en el mundo real.
Este artículo introduce un algoritmo de Optimización Compresiva de Monte-Carlo que aprovecha consultas aleatorias para estimar momentos generalizados y un algoritmo codicioso de detección compresiva reconvertido para resolver problemas de optimización combinatoria, ofreciendo un rendimiento competitivo frente al recocido dual, justificación teórica y adaptabilidad ajustable a los recursos computacionales.
Este artículo propone FedSAG-IVW, un marco de aprendizaje federado que combina mecanismos de autoatención local con ponderación de varianza inversa y regularización de Tikhonov para detectar eficazmente noticias falsas al tiempo que aborda la heterogeneidad de los datos y preserva la privacidad de los mismos, logrando una precisión superior en múltiples conjuntos de datos.
El artículo presenta DenoisedSR, un front-end agnóstico al solver que aprende prioris de soporte variable para acelerar y mejorar significativamente la precisión de la regresión simbólica para el descubrimiento de leyes físicas mediante el filtrado de variables irrelevantes antes de que lleguen al solver del backend.
Este artículo presenta el Marco Generativo Colaborativo con Conciencia de la Estructura (SACGF, por sus siglas en inglés), un nuevo proceso que integra Stable Diffusion, ControlNet y SAM para lograr una reconstrucción digital de alta fidelidad de las superficies del arte de la laca mediante el equilibrio de la consistencia estructural, la fidelidad de la textura y la coherencia de estilo, validado por una nueva métrica cuantitativa y un conjunto de datos especializado.
Este artículo propone SEM-EDGE-X, un marco de inteligencia de borde semántica consciente de la intención que integra la extracción de características semánticas, el enrutamiento adaptativo y la coordinación de agentes múltiples para superar significativamente a los modelos de comunicación convencionales en redes dinámicas de UAV y vehículos 6G de baja latencia.
Este artículo demuestra que los modelos de aprendizaje automático, particularmente las Redes Neuronales Recurrentes, pueden predecir con precisión los tiempos de espera en sistemas de colas de prioridad complejos y variables en el tiempo utilizando únicamente la longitud de la cola y la prioridad del cliente, superando a los métodos basados en árboles en reglas de servicio no preventivas y diversas reglas preventivas.
Este estudio evalúa seis arquitecturas de aprendizaje profundo para la detección de objetos marítimos en diversas condiciones climáticas, demostrando que el modelo Vision Transformer (ViT) supera a las alternativas basadas en CNN al lograr un 100% de precisión, las tasas de error más bajas y la velocidad de procesamiento más rápida, resaltando así su potencial para mejorar la seguridad y vigilancia marítima impulsada por IA.
Este artículo propone un nuevo método de selección de características que integra la alineación de núcleos para unificar datos médicos heterogéneos dentro de un Espacio de Hilbert de Núcleo Reproductor y extiende la agrupación tripartita para modelar explícitamente la incertidumbre de frontera, reduciendo así eficazmente la dimensionalidad al tiempo que mejora significativamente la precisión y la estabilidad de la predicción de enfermedades en conjuntos de datos clínicos multimodales.