AI
Noticias IA

Últimas noticias de IA

Los Modelos de Lenguaje de Difusión son Probablemente Muestreadores Óptimos en Paralelo

Los Modelos de Lenguaje de Difusión son Probablemente Muestreadores Óptimos en Paralelo

Investigaciones recientes destacan la eficiencia de los modelos de lenguaje por difusión (DLMs) en la generación paralela de tokens, desafiando los modelos autorregresivos tradicionales. Al formalizar un modelo de muestreo paralelo, el estudio demuestra que los DLMs con cadenas de pensamiento de longitud polinómica pueden igualar los pasos secuenciales óptimos de los algoritmos paralelos. Sin embargo, sin modificaciones en los tokens revelados, los DLMs pueden presentar huellas intermedias significativas. La introducción de métodos de remascarado o revisión permite a los DLMs mantener una complejidad espacial óptima y mejora su capacidad expresiva. Esta investigación subraya el potencial de los DLMs como muestreadores paralelos superiores y aboga por la incorporación de capacidades de revisión.

arXiv
Modelo híbrido de aprendizaje profundo para predecir la producción de gas de esquisto basado en el principio de descomposición-reconstrucción

Modelo híbrido de aprendizaje profundo para predecir la producción de gas de esquisto basado en el principio de descomposición-reconstrucción

Un nuevo modelo híbrido, CEEMDAN-SE-LSTM, combina el aprendizaje profundo con técnicas de descomposición para mejorar la previsión de producción de gas en reservorios de esquisto, enfrentando los desafíos que presentan los datos no lineales y no estacionarios. Este modelo mejora significativamente la precisión de las predicciones mientras reduce los costos computacionales, validado con múltiples conjuntos de datos. Los hallazgos sugieren que podría contribuir a desarrollar mejores estrategias de producción.

Bentham Science Publishers Ltd.
La mala calidad del sueño acelera el envejecimiento cerebral

La mala calidad del sueño acelera el envejecimiento cerebral

Investigaciones recientes aclaran la relación entre el sueño y la demencia, sugiriendo que un sueño deficiente podría contribuir al desarrollo de la demencia en lugar de ser simplemente un síntoma inicial. El estudio indica que los patrones de sueño interrumpidos pueden acelerar la acumulación de placas de amiloide, un factor clave en la enfermedad de Alzheimer. Este hallazgo resalta el potencial de las intervenciones relacionadas con el sueño como una medida preventiva contra el deterioro cognitivo.

Wired
Aprovechamiento de modelos de aprendizaje automático en la evaluación de propiedades ADMET para el descubrimiento y desarrollo de fármacos

Aprovechamiento de modelos de aprendizaje automático en la evaluación de propiedades ADMET para el descubrimiento y desarrollo de fármacos

Los recientes avances en el aprendizaje automático (ML) están transformando las predicciones de ADMET (Absorción, Distribución, Metabolismo, Excreción, Toxicidad) en el desarrollo de fármacos, abordando las altas tasas de abandono de candidatos a medicamentos. Los modelos de ML muestran una mejor precisión y eficiencia en comparación con los métodos tradicionales, con aplicaciones en evaluaciones de solubilidad, permeabilidad, metabolismo y toxicidad. Aunque persisten desafíos como la calidad de los datos y la aceptación regulatoria, la integración del ML en los flujos de trabajo de descubrimiento de fármacos podría mejorar significativamente la evaluación temprana de riesgos y la priorización de compuestos.

Bentham Science Publishers Ltd.
Pipeline de Procesamiento de Lenguaje Natural para Datos de Evaluación: Un Tutorial Basado en R

Pipeline de Procesamiento de Lenguaje Natural para Datos de Evaluación: Un Tutorial Basado en R

El artículo describe la aplicación del procesamiento del lenguaje natural (PLN) en el análisis de las respuestas escritas para evaluaciones educativas. Detalla los pasos fundamentales para la preprocesamiento del texto, la extracción de características y el análisis de datos, preservando la integridad de la sintaxis y la semántica de los examinandos. Un ejemplo basado en R que utiliza la Asignación de Dirichlet Latente ilustra la metodología, sirviendo como una guía práctica para investigadores y profesionales en el campo.

Bentham Science Publishers Ltd.
Diagnóstico de fallos y restauración de señales de monitoreo de estructuras de barcos mediante aprendizaje automático

Diagnóstico de fallos y restauración de señales de monitoreo de estructuras de barcos mediante aprendizaje automático

Un nuevo método de diagnóstico y restauración de fallos para sistemas de monitoreo de buques utiliza aprendizaje automático, incorporando transformadas de wavelet y una red neuronal especializada. Alcanzando más del 98% de precisión diagnóstica en diversas posiciones, supera a LSTM y Random Forest en resistencia al ruido. Este método reduce significativamente el RMSE para fallos de sesgo, deriva e impulso, mejorando la fiabilidad del monitoreo de la salud estructural y respaldando una navegación inteligente más segura.

Bentham Science Publishers Ltd.
Implementación de Tecnología OCR y Aprendizaje Profundo en Aplicaciones Móviles para la Automatización del Registro de Finanzas Personales Basado en Recibos

Implementación de Tecnología OCR y Aprendizaje Profundo en Aplicaciones Móviles para la Automatización del Registro de Finanzas Personales Basado en Recibos

Una nueva aplicación móvil para la gestión de finanzas personales utiliza el Reconocimiento Óptico de Caracteres (OCR) y aprendizaje profundo para automatizar el registro y la clasificación de gastos. Desarrollada mediante el método en cascada, procesa 900 recibos de transacciones locales, logrando una precisión de caracteres del 97.05% y reduciendo el tiempo de entrada en un 62% en comparación con los métodos manuales. Las pruebas de usabilidad obtuvieron una puntuación de 70.069, destacando su efectividad en el panorama de la gestión financiera en Indonesia.

Bentham Science Publishers Ltd.
Análisis exhaustivo de técnicas de sobremuestreo para abordar el desequilibrio de clases utilizando modelos de aprendizaje automático

Análisis exhaustivo de técnicas de sobremuestreo para abordar el desequilibrio de clases utilizando modelos de aprendizaje automático

Un estudio evalúa técnicas de sobremuestreo (SMOTE, Borderline SMOTE, ADASYN) para abordar el desbalance de clases en el aprendizaje automático. Utilizando BERT para el preprocesamiento, se analizan modelos como SVM, Árbol de Decisión y Regresión Logística. Destaca que SVM con Borderline SMOTE alcanzó una precisión del 71.9% y un MCC de 0.53, lo que resalta la mejora en el rendimiento del modelo.

Bentham Science Publishers Ltd.
Aplicación de Aprendizaje Automático Móvil para la Detección Temprana del Cáncer de Pulmón

Aplicación de Aprendizaje Automático Móvil para la Detección Temprana del Cáncer de Pulmón

Una nueva investigación ha comparado nueve algoritmos de clasificación para la detección del cáncer de pulmón utilizando la aplicación NusaMiner. Con un conjunto de datos de 309 registros obtenidos de Kaggle, el estudio reveló que los algoritmos Gradient Boosting y Random Forest lograron una precisión de hasta el 100%. NusaMiner tiene el potencial de mejorar la detección temprana del cáncer de pulmón, ofreciendo una solución efectiva y eficiente para los servicios de salud.

Bentham Science Publishers Ltd.
El 2025 fue el año en que la IA recibió una evaluación de su impacto

El 2025 fue el año en que la IA recibió una evaluación de su impacto

A principios de 2025, el sector de la inteligencia artificial vivió un aumento en la financiación, con OpenAI asegurando 40 mil millones de dólares a una valoración de 300 mil millones. Sin embargo, para mediados de año, el entusiasmo en la industria comenzó a decaer, lo que indica posibles cambios en las prioridades de inversión y la confianza del mercado. Las implicaciones para la financiación futura y las estrategias de innovación en IA son significativas.

TechCrunch
Stream-DiffVSR: Superresolución de Video Streamable de Baja Latencia a través de Difusión Autorregresiva

Stream-DiffVSR: Superresolución de Video Streamable de Baja Latencia a través de Difusión Autorregresiva

Stream-DiffVSR presenta un marco de difusión condicionado causal para la super-resolución de video, permitiendo un procesamiento en tiempo real que se basa únicamente en fotogramas anteriores. Incluye un desnoisador destilado de cuatro pasos y un módulo de Guía Temporal Autoregresiva, logrando procesar fotogramas a 720p en tan solo 0.328 segundos en una GPU RTX 4090. Este método reduce la latencia en más de 130 veces en comparación con las técnicas más avanzadas actuales, lo que lo hace viable para aplicaciones de baja latencia. Para más detalles, se puede consultar su página del proyecto.

arXiv