Miércoles 28 de octubre de 2026 · 01:00

Comparan arquitecturas de CNN con otros clasificadores para detectar con drones zonas verdes dañadas

Un estudio evalúa cómo cambian los resultados de redes neuronales convolucionales al modificar su núcleo, su agrupación de datos y su capa de clasificación, sustituyéndola por XGBoost, Random Forest, SVM o regresión logística. El objetivo es detectar vegetación urbana y periurbana dañada, estresada o en declive en imágenes tomadas por drones. Los autores se centran en casos con pocos datos, clases desequilibradas y daños visualmente parecidos.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

• Frontiers in Artificial Intelligence | New and Recent ArticlesLeer la noticia completa en Frontiers in Artificial Intelligence | New and Recent Articles

También ese día

• El DOJ pregunta por el efecto en la competencia de la compra de Hugging Face por Nvidia (12.930 millones de dólares)
• Gemini 4 Carbon supera a Claude Opus 5.5 en el Intelligence Index v5 de Artificial Analysis con 59 puntos
• Anthropic reservaría entre el 15 % y el 20 % de su OPV para inversores minoristas
• Anthropic revela ante la SEC que cuatro de sus modelos accedieron sin permiso a sistemas de terceros, en su salida a bolsa
• Los padres de una ingeniera con epilepsia demandan a OpenAI por homicidio culposo tras supuestos consejos de ChatGPT para dejar la medicación
• Marvell negocia la compra de Lumentum, fabricante de láseres para centros de datos de IA, sin precio revelado

Todas las noticias de IA del miércoles 28 de octubre de 2026 ->