176 Arbeiten
Diese Arbeit identifiziert und formalisiert die neue Bedrohung des „Label Hijacking" in verteilten Mehrzielverfolgungsnetzwerken, bei der ein Angreifer durch das Einspeisen gefälschter Spuren die Identitätskonsistenz über die gesamte Netzwerkkette sabotiert, und leitet daraus optimierte Angriffsstrategien ab, um die Notwendigkeit robusterer Konsensmechanismen zu unterstreichen.
Dieser Artikel stellt eine vollständig open-source-basierte Implementierung und Simulation eines analogen 8-PAM-Demappers in IHP SG13G2 SiGe-BiCMOS-Technologie vor, der eine Energieeffizienz von 0,33 pJ/bit bei einer Datenrate von 1 Gbit/s erreicht.
Diese Studie stellt eine neuartige Strategie vor, die durch die analytische Fortsetzung der Kumulantenentwicklung mittels Padé-Approximation eine präzise Vorverzerrung des Eingangssignals ermöglicht, um Autoregressive-Prozesse zur effizienten und genauen Simulation nicht-gaußscher Radar-Clutter-Sequenzen wiederzubeleben.
Die vorgestellte Arbeit schlägt ein dual-versorgtes Pinching-Antennensystem (DF-PAS) vor, das durch die dynamische Auswahl von zwei Enden als Einspeisepunkte die durch Dämpfung in Wellenleitern verursachten Leistungsverluste effektiv reduziert und so die erreichbaren Datenraten im Vergleich zu herkömmlichen Systemen signifikant steigert.
Diese Studie zeigt, dass durch eine strukturierte Reduktion des Suchraums eine nahezu maximale Likelihood-Detektion für MIMO-Systeme bis 8x8 mit linearer Komplexität erreicht werden kann, ohne die Leistungsfähigkeit zu beeinträchtigen.
Dieser Artikel stellt SBMA vor, ein neuartiges Mehrzugriffsschema für MU-MISO-Systeme, das SCMA und BIA kombiniert, um durch spezielle Decoder sowohl die Diversitäts- als auch die Multiplexing-Gewinne zu maximieren und gleichzeitig die Komplexität sowie die Abhängigkeit von Kanalkohärenzzeiten zu reduzieren.
Diese Übersichtsarbeit bietet einen einheitlichen Rahmen und klare Leitlinien für den Einsatz von Graph Neural Networks in der EEG-basierten Emotionserkennung, indem sie bestehende Methoden kategorisiert, physiologische Besonderheiten hervorhebt und zukünftige Herausforderungen wie zeitliche vollständig verbundene Graphen diskutiert.
Die vorgestellte Arbeit entwickelt ein skalierbares Framework zum Lernen von Interferenzgraphen mittels evolutionärer Strategien und Deep Hashing, um die RTWT-Scheduling-Effizienz in dichten Wi-Fi 7-Netzen zu steigern und gleichzeitig Trainings- sowie Zuordnungszeiten drastisch zu reduzieren.
Das Paper stellt Uni-NTFM vor, ein einheitliches Fundamentmodell für EEG-Signale, das durch die Integration neurobiologischer Prinzipien wie heterogener Merkmalsprojektion, topologischer Einbettung und eines Mixture-of-Experts-Transformers auf 28.000 Stunden Daten trainiert wurde und in neun Downstream-Aufgaben bestehende Modelle übertrifft.
Die Studie zeigt, dass ECG-Foundation-Modelle die Effizienz bei der Auswertung von EKGs erheblich steigern können, wobei die Architektur (insbesondere bei ECG-CPC) einen größeren Einfluss auf die Leistung hat als die reine Skalierung, obwohl signifikante Lücken in der Vorhersage von Krankheitsverläufen und der Patientenkarakterisierung bestehen.
Dieser Artikel schließt eine bestehende Forschungslücke, indem er eine exakte analytische Kanalimpulsantwort für einen vollständig absorbierenden sphärischen Empfänger unter dem Einfluss einer gleichförmigen Drift beliebiger Richtung herleitet, indem er Girsanovs Maßwechsel nutzt, um den Drifteffekt als expliziten multiplikativen Faktor zu isolieren und so eine präzise Referenz ohne Monte-Carlo-Simulationen zu ermöglichen.
Dieser Artikel stellt eine auf der Katastrophenoptik basierende, quartische Wellenfrontformung vor, die durch die Erzeugung eines pearcey-ähnlichen Wellenpakets die Kanalkonditionierung in blockierten Nahfeld-Szenarien verbessert und so den SINR im Vergleich zu herkömmlichen Fokussierungsmethoden signifikant steigert.
Diese Arbeit zeigt, dass die theoretische Überlegenheit zentralisierter Vorcodierung in zellfreien Massive-MIMO-Systemen unter realistischen, pro-Zugriffspunkt geltenden Leistungsbeschränkungen verschwindet, wodurch verteilte Vorcodierung als robuste Alternative hervorgehoben wird.
Diese Studie untersucht ein anomales Rückentladungsphänomen bei dielektrischen Barrieren-Koronaentladungen unter unipolarer Halbsinus-Spannung, das durch einen Ionenwind-Modellansatz erklärt und durch experimentelle sowie numerische Analysen verschiedener Isolatormaterialien und Geometrien quantitativ charakterisiert wird.
Das Paper stellt FedCova vor, ein robustes Framework für das federierte Lernen, das durch die Nutzung von Feature-Kovarianzen und gegenseitiger Informationsmaximierung ohne externe Referenzdaten effektiv gegen verrauschte Labels in heterogenen Umgebungen vorgeht.
Diese Arbeit stellt den Meta-Adaptiven Unscented-Kalman-Filter (MA-UKF) vor, ein Framework, das mittels rekurrenter Meta-Lernverfahren die Gewichte der Sigma-Punkte dynamisch anpasst, um die Schätzgenauigkeit und Robustheit bei nicht-gaußschen Störungen und sich ändernden Dynamiken im Vergleich zu herkömmlichen Methoden signifikant zu verbessern.