3900 artículos
El artículo propone MILCR, un nuevo marco de recomendación secuencial que mejora el ajuste de flujo mediante la integración de información mutua y regularización de consistencia local para mitigar el colapso de la representación y la dependencia excesiva del ruido, logrando así un rendimiento superior en datos de interacción dispersos y discretos.
Este artículo demuestra que el reponderado de muestras consciente del área mejora la recuperación de personas pequeñas en modelos de INT8 Visual Wake Words sin alterar el grafo de inferencia, aunque no supera de manera concluyente al sobremuestreo simple y aumenta ligeramente los falsos positivos.
Este estudio propone L-GTACNet, un marco de aprendizaje profundo híbrido que combina Transformers Locales-Globales y Redes Convolucionales de Grafos con técnicas de mejora de imágenes para lograr una precisión del 94,8% en la evaluación automatizada y objetiva de la gravedad de la colitis ulcerosa basada en la puntuación endoscópica de Mayo.
Este estudio demuestra que, si bien los modelos de aprendizaje automático pueden predecir moderadamente los resultados del voleibol profesional cuando se prueban rigurosamente contra la fuga de datos y las restricciones temporales, un simple sistema de clasificación Elo sigue siendo altamente competitivo, lo que sugiere que los algoritmos complejos ofrecen un valor adicional limitado para el apoyo a la toma de decisiones previas al partido.
Este estudio propone un modelo de Regresión Logística de Descenso de Coordenadas de Bloque Adaptativo (ABCD-LoR) para la planificación reactiva de trayectorias de UAV en entornos estáticos, el cual plantea la evitación de obstáculos como un problema de clasificación de tres clases y demuestra una reducción en la longitud de la trayectoria y en el tiempo de computación en comparación con los algoritmos clásicos mediante simulación, al tiempo que reconoce la necesidad de una validación adicional en entornos dinámicos del mundo real.
Este estudio emplea un marco de Teoría Fundamentada Computacional de métodos mixtos para analizar casi 100,000 publicaciones de Bluesky de 2023 a 2025, revelando que el discurso público sobre la IA en la educación está caracterizado predominantemente por el escepticismo y las preocupaciones con respecto a la integridad académica, la ética y el papel de los educadores, a pesar de las discusiones positivas ocasionales sobre aplicaciones creativas e instruccionales.
El marco de trabajo EPACE-FL aborda los desafíos de la filtración de privacidad y la baja eficiencia de comunicación en el aprendizaje federado basado en el borde mediante la introducción de un algoritmo de Cuantización Dinámica y Enmascaramiento Caótico (DQCM) que comprime y cifra conjuntamente los parámetros del modelo, reduciendo significativamente la sobrecarga de comunicación al tiempo que mejora la protección contra ataques maliciosos.
Este artículo presenta dos descomposiciones algorítmicas de propósito general —convoluciones 3D separables por ejes y un esquema de estadísticas integrales de una sola pasada para PCA de vecindad— que aceleran el procesamiento de nubes de puntos 3D para sistemas embebidos al lograr reducciones de MAC de 36 veces y aceleraciones de 30 a 280 veces, manteniendo la precisión de levantamiento manual en la detección de intersección de malla de barras de refuerzo.
Este artículo propone una cartera de selección de depósitos de múltiples estrategias para el Problema de Localización y Rutas con Capacidad que combina la preselección aleatorizada, el barrido iterativo, los inicios múltiples y la reasignación con una Búsqueda Local de Vecindad Grande Adaptativa y modelos de asignación exactos para superar la línea base del Optimizador Hexaly en 29 de 30 instancias de referencia, particularmente en regímenes de capacidad moderada.
Este artículo presenta XM-MADRL, un marco de aprendizaje por refuerzo meta basado en grafos y explicable para enjambres de UAV que demuestra mejoras significativas de rendimiento en la entrega de paquetes y en las capacidades de anti-interferencia específicamente bajo observabilidad parcial y de interferencia adaptativa, al tiempo que revela que sus componentes de coordinación y meta-adaptación no ofrecen ningún beneficio contra interferencias predecibles o de observabilidad completa.