381 Arbeiten
Diese Arbeit leitet Bedingungen für die Erhaltung starker Kontraktivität bei der Diskretisierung infinitesimal kontrahierender Systeme durch Multi-Stage-Runge-Kutta-Verfahren ab und erweitert damit bestehende Ergebnisse von schwacher auf starke Kontraktivität bezüglich verschiedener Normen, einschließlich der Eindeutigkeit der Lösung impliziter Gleichungen.
Der Artikel stellt Fair-Gate vor, ein fairheitsbewusstes und interpretierbares Risiko-Gating-Framework, das durch die Reduzierung demografischer Shortcut-Lernmuster und die Entflechtung geschlechtsbezogener Merkmale die Geschlechtergerechtigkeit in der Sprachbiometrie verbessert.
Die Arbeit stellt RHOSI vor, ein effizientes Framework zur gemeinsamen Optimierung von Sendestrahlformung, holographischen Oberflächen und UAV-Positionierung, um die Robustheit und den Durchsatz von UAV-gestützten ISAC-Systemen unter Störbedingungen zu erhöhen.
Die Studie zeigt, dass durch fortgesetztes Vortraining mit Pseudo-Labels und anschließendes Feinabstimmen auf nur 20.000 gelabelten Swahili-Daten ein State-of-the-Art-Ergebnis von 3,24 % Wortfehlerrate erreicht wird, was eine relative Verbesserung von 82 % gegenüber der Basislinie und 61 % gegenüber dem bisherigen akademischen Rekord darstellt.
Die Arbeit stellt SliceFed vor, ein neuartiges Framework für federiertes, eingeschränktes Multi-Agenten-Deep-Reinforcement-Learning, das durch die Kombination von Lagrange-Primal-Dual-Methoden mit Proximal Policy Optimization und Federated Averaging eine sichere und effiziente dynamische Spektrumsslicing-Steuerung für 6G-Netze ermöglicht, die strenge URLLC-Latenzanforderungen erfüllt und den Datenschutz wahrt.
Die Arbeit stellt AnimeScore vor, ein präferenzbasiertes Framework zur automatischen Bewertung von Anime-Stimmen, das auf 15.000 Paarvergleichen beruht und zeigt, dass SSL-Modelle mit 90,8 % AUC eine zuverlässige Metrik für die Optimierung generativer Sprachmodelle bieten.
Diese Arbeit schlägt ein ISAC-gestütztes, dynamisches Koordinationsschema für mehrere UAVs vor, das durch die gemeinsame Optimierung von Flugbahnen, Bandbreitenzuweisung und Basisstationszuordnung die präzise Erfassung mobiler Ziele in der Low-Altitude Economy unter Einhaltung von Kommunikationsanforderungen ermöglicht.
Diese Arbeit stellt einen analytischen und optimierenden Rahmen für die Standard-Condition-Number-basierte Detektion in MIMO-ISAC-Systemen unter Rauschunsicherheit vor, der durch die Herleitung geschlossener Ausdrücke für die Fehlalarm- und Detektionswahrscheinlichkeit eine robuste, konstante Fehlalarmrate (CFAR) garantiert und durch eine optimierte Leistungszuweisung die Detektionsgenauigkeit unter Störungen signifikant verbessert.
Diese Arbeit stellt einen hybriden Zonopen-basierten Ansatz vor, der exakte Vorwärts- und Rückwärts-Erreichbarkeitsmengen für geschlossene RNN-Systeme mit ReLU-Aktivierungsfunktionen berechnet und durch eine skalierbare Relaxierungsmethode einen kontrollierbaren Kompromiss zwischen Rechenaufwand und Approximationsgenauigkeit ermöglicht.
Dieser Artikel stellt ein neuartiges Freiraum-Optik-Kommunikationssystem vor, das die topologische Robustheit optischer Skyrmionen durch Skyrmion-Zahlen-Modulation nutzt, um atmosphärische Turbulenzen zu überwinden und eine hohe Zuverlässigkeit auch unter schwierigen Bedingungen zu gewährleisten.
Diese Studie stellt einen effizienten Multi-Agenten-Deep-Reinforcement-Learning-Ansatz vor, der mit virtuellen Ankerknoten koordinierte UAVs zur präzisen Lokalisierung von Methanquellen und zur Überwindung der Grenzen traditioneller Suchmethoden einsetzt.
Diese Arbeit stellt einen KI-gestützten Ansatz mit lernbarem Template-Matching vor, der durch die effektive Unterdrückung von Umgebungsclutter die Genauigkeit der Mikrobewegungsüberwachung auf integrierten Sensing-und-Kommunikations-Plattformen (ISAC) erheblich verbessert.
Diese Studie demonstriert, wie maschinelle Lernmodelle in einem realen Gießereibetrieb genutzt werden können, um kritische Prozessparameter zu identifizieren und Gussfehler proaktiv vorherzusagen, wodurch die Produktqualität und Produktionseffizienz erheblich verbessert werden.
Die Arbeit stellt SEMamba++ vor, ein allgemeines Framework zur Sprachwiederherstellung, das durch die Einführung von Frequency GLP und einem multi-resolutionen Zeit-Frequenz-Dual-Verarbeitungsblock spezifische spektrale Muster wie Periodizität und Multi-Resolution-Analysen effizient nutzt, um bei geringem Rechenaufwand den aktuellen Stand der Technik zu übertreffen.
Die Arbeit stellt RAF (Relativistic Adversarial Feedback) vor, ein neues Trainingsziel für GAN-Sprachsynthesemodelle, das durch die Integration von selbstüberwachtem Lernen und relativistischem Pairing die Klangqualität und Generalisierungsfähigkeit verbessert und dabei BigVGAN mit nur 12 % der Parameter übertrifft.
Die Studie stellt einen neuen Datensatz vor und zeigt, dass die Emotionserkennung aus Oberflächen-EMG-Signalen des Gesichts und des Halses sowohl bei phonierter als auch bei stummer Sprache zuverlässig möglich ist, wobei Frustration besonders gut mit einem AUC-Wert von 0,845 klassifiziert werden kann.
Die vorgestellte Arbeit schlägt ein neues System für verdeckte Kommunikation mit rotierenden Antennen vor, bei dem durch die gemeinsame Optimierung von Sendestrahlformung und Antennenrotationswinkeln mittels eines alternierenden Optimierungsalgorithmus die Übertragungsrate maximiert und gleichzeitig die Entdeckungswahrscheinlichkeit durch mehrere Wächter minimiert wird.
Die Arbeit stellt eine optimierte C++-Implementierung des QPALM-OCP-Algorithmus vor, die die spezifische Struktur von Optimalsteuerungsproblemen nutzt, um durch Parallelisierung und Vektorisierung die Recheneffizienz signifikant zu steigern.
Diese Arbeit leitet asymptotisch exakte Skalierungsgesetze für die Wahrscheinlichkeit hoher Signal-Rausch-Verhältnisse in kontinuierlichen Fluid-Antennensystemen ab, indem sie räumlich kohärente Isotropie, kontinuierliche Antennenpositionierung und mehrdimensionale Räume (1D, 2D und 3D) über Rayleigh-Fading-Kanäle betrachtet.
Dieser Beitrag analysiert die Bitfehlerrate in einem uplink-NOMA-System mit kontinuierlicher rekonfigurierbarer intelligenter Oberfläche (CRIS) unter räumlich korreliertem Fading und entwickelt einen gemeinsamen Optimierungsansatz für Leistungszuweisung und RIS-Partitionierung, der die Bitfehlerrate minimiert und die Leistung gegenüber herkömmlichen OMA- und nicht-optimierten NOMA-Schemata nachweislich verbessert.