381 Arbeiten
Diese Arbeit stellt zwei neue FrBD-Modelle vor, die auf den verallgemeinerten Maxwell- und Kelvin-Voigt-Elementen basieren, und zeigt, dass diese für jede physikalisch sinnvolle Parametrisierung beschränkt und passiv sind, was ihre Eignung für die Regelungstechnik unterstreicht.
Diese Arbeit stellt eine leichte Text-only-Anpassungsmethode für LLM-basierte Spracherkennung vor, die das Problem als Textentrauschung formuliert, um die Domänenanpassung zu ermöglichen, ohne die kritische Ausrichtung zwischen Sprach- und Textmodalität zu stören.
Diese Studie zeigt, dass selbstüberwachte Sprachmodelle über 96 Sprachen hinweg phonologische Merkmale in kompositionellen Vektoren kodieren, die eine lineare Vektorarithmetik ermöglichen, bei der das Hinzufügen oder Skalieren von Vektoren kontinuierliche phonologische Übergänge erzeugt.
Die Studie zeigt, dass feinabgestimmte kleine Sprachmodelle (SLMs) eine effiziente und genaue Lösung für die Echtzeit-Rollenklassifizierung in der Mensch-Roboter-Interaktion darstellen, wobei jedoch eine Leistungsverschlechterung bei One-Shot-Modi aufgrund von Kontextlängenbeschränkungen festgestellt wurde.
Diese Arbeit stellt ein skalierbares und konvergentes verallgemeinertes Power-Iteration-Präkodierungsframework (GPIP) für Massive-MIMO-Systeme vor, das die Komplexität durch die Ausnutzung niedrigdimensionaler Unterräume reduziert und sowohl bei perfekter als auch bei unvollständiger Kanalinformation am Sender eine hohe spektrale Effizienz mit geringem Rechenaufwand gewährleistet.
Die Studie stellt ein dreistufiges Framework vor, das durch Vorfilterung von AIS-Kommunikationsfehlern und anschließende kinematische sowie räumlich-zeitliche Analyse in der Lage ist, GNSS-Spoofing und -Jamming im maritimen Bereich zuverlässig zu erkennen und dabei die Fehlalarmrate um 98,6 % zu senken.
Die Arbeit stellt DRAFTO vor, einen neuen Algorithmus zur Trajektorienoptimierung für Roboterarme, der durch eine Entkopplung von reduzierten Räumen und adaptiver Reparatur der Machbarkeit sowie eine zweiphasige Akzeptanzregel hohe Effizienz und Zuverlässigkeit in komplexen Manipulationsaufgaben gewährleistet.
Die Arbeit stellt TATIC vor, ein einheitliches Framework, das durch die Kombination von Drehmoment-basierter Kraftschätzung und einem aufgabenbewussten temporalen Faltungsnetzwerk (TCN) in der Mensch-Roboter-Kollaboration aus kurzen physischen Korrekturen sowohl diskrete Aufgabenabsichten als auch kontinuierliche Bewegungsparameter ableitet, um eine robuste und adaptive Roboterkontrolle zu ermöglichen.
Die Arbeit stellt V2A-DPO vor, ein neuartiges Framework zur direkten Präferenzoptimierung für flussbasierte Video-zu-Audio-Generierungsmodelle, das durch ein umfassendes AudioScore-Bewertungssystem, eine automatisierte Datengenerierungspipeline und eine Curriculum-Learning-Strategie die menschlichen Präferenzen in Bezug auf semantische Konsistenz, zeitliche Ausrichtung und klangliche Qualität verbessert und damit den aktuellen Stand der Technik übertrifft.
Der Artikel untersucht den Einfluss der Parametereinstellung auf die Konvergenz eines modifizierten Ameisenkolonie-Algorithmus zur Optimierung der hierarchischen Struktur eines industriellen verteilten Steuerungssystems und gibt Empfehlungen für das Tuning, um optimale Ergebnisse zu erzielen.
Diese Arbeit stellt ein Transformer-basiertes Framework für die audio-visuelle Emotionserkennung vor, das mithilfe von temporär ausgerichteten rotierenden Positionseingebettungen (TaRoPE) und einem Cross-Temporal Matching-Verlust die zeitliche Ausrichtung heterogener Modalitäten verbessert und so die Leistung gegenüber bestehenden Baselines steigert.
Die Studie untersucht, ob ein auf Text trainiertes Sprachmodell zur Lokalisierung gefälschter Wörter in teilweise manipulierter Sprache eingesetzt werden kann, und stellt fest, dass das Modell zwar in-domäneneffektiv ist, jedoch zu stark auf spezifische Trainingsmuster angewiesen ist, was die Verallgemeinerung auf unbekannte Bearbeitungsstile erschwert.
Die Studie zeigt, dass ein auf XLS-R basierendes Modell mit nur den ersten drei Schichten die Erkennung von Hustenereignissen in Audiodaten für die Tuberkulose-Screening-Programme in Südafrika und Uganda mit hoher Präzision ermöglicht und dabei rechenintensive Alternativen wie den Audio Spectrogram Transformer übertrifft.
Die vorgestellte Arbeit führt eine selbstspekulative Decodierungsmethode für LLM-basierte ASR-Systeme ein, die einen CTC-Encoder als Entwurfsmodell nutzt, um die Inferenzgeschwindigkeit um den Faktor 4,4 zu steigern und gleichzeitig die Wortfehlerrate auf einem Benchmark-Test auf 5,58 % zu senken.
Dieses Papier stellt einen adaptiven Algorithmus für die Multi-Robot-Multitask-Coverage vor, der mittels eines multitask-Gauß-Prozess-Frameworks unbekannte sensorische Anforderungen lernt und sublineares kumuliertes Regret garantiert.
Diese Arbeit erweitert irreversible port-Hamiltonianische Systeme auf N-dimensionale, randgesteuerte verteilte Parameter-Systeme für Konduktions-Diffusions-Phänomene und bietet einen thermodynamisch konsistenten Rahmen für die Modellierung und Steuerung komplexer Mehrphysik-Prozesse.
Diese Arbeit leitet analytische untere Schranken für die Schätzgenauigkeit bei der Synchronisation von LEO-Satelliten unter Berücksichtigung der gekoppelten Doppler-Effekte ab und stellt einen hybriden robusten Filter vor, der durch die Kombination von Hard-Gating und Huber-Schätzung die Phasenfehler im Vergleich zu herkömmlichen Methoden signifikant reduziert.
Das Paper stellt EquivAnIA vor, eine neue spektrale Methode zur anisotropen Bildanalyse, die mithilfe von Cake-Wavelets und Ridge-Filtern eine robuste Rotationsäquivarianz aufweist und erfolgreich für Aufgaben wie die Winkel-Registrierung eingesetzt werden kann.
Diese Arbeit stellt eine verteilte Kalman-Konsens-Filterung für die Mehrzielverfolgung in mobilen Roboternetzwerken vor, die durch eine adaptive Unsicherheitsgewichtung und eine Rahmenausrichtungsmethode die Fusion heterogener Lokalisierungsdaten verbessert und so die Tracking-Genauigkeit trotz lokaler Drifts erhöht.
Die Studie stellt eine hybride Methode vor, die die exakte Clustergrößenbestimmung durch Union-Find mit analytischen GRF-p-Werten kombiniert, um die Cluster-basierte Inferenz in der Voxel-basierten Morphometrie ohne Permutationstests sowohl um Größenordnungen zu beschleunigen als auch die Genauigkeit zu erhalten.