381 Arbeiten
Diese Arbeit stellt ein einheitliches Regressionsframework auf Basis der Lagrange-Formulierung vor, in dem sich das DCT-Modell als neuartige und effiziente Methode mit verbesserter Konvergenz gegenüber traditionellen Polynommethoden etabliert.
Diese Arbeit stellt ein einheitliches Framework für Multicarrier-Wellenformen vor, das durch die systematische Analyse und den Vergleich von ein- und zweidimensionalen Modulationsverfahren wie OFDM, AFDM und OTFS praktische Leitlinien für die Auswahl und Implementierung zukünftiger 6G-Netzwerke liefert.
Diese Arbeit stellt einen energieeffizienten, adiabatischen kapazitiven Neuronen (ACN) in 0,18-µm-CMOS-Technologie vor, der durch eine neue Schwellenwertlogik und über 90 %ige Energieeinsparungen im Vergleich zu herkömmlichen CMOS-Ansätzen die Leistungsfähigkeit, Robustheit und Skalierbarkeit künstlicher neuronaler Netze signifikant verbessert.
Die vorgestellte Arbeit schlägt ein Multi-Domain-Supervised-Contrastive-Learning-Framework namens Open-RFNet vor, das durch die Fusion von ResNet- und Transformer-Encoder-Features sowie einen verbesserten IG-OpenMax-Algorithmus eine hochpräzise Open-Set-Erkennung von nichtkooperativen UAVs in 5G-Advanced-Netzen ermöglicht.
Die vorgestellte Arbeit stellt ACCOR vor, einen auf komplexwertigen IQ-Signalen basierenden Ansatz mit Aufmerksamkeitsmechanismen und kontrastivem Lernen, der die robuste Klassifizierung verdeckter Objekte mittels mmWave-Radar bei 64 GHz und 67 GHz mit einer Genauigkeit von bis zu 96,60 % ermöglicht.
Diese Arbeit schließt die Lücke zwischen diskreten und kontinuierlichen Modellen für die affine Frequenzdivisionsmultiplexierung (AFDM), indem sie einen analytischen Rahmen entwickelt, der die Bedeutung von bandbegrenzten Pulsen, die spektralen Eigenschaften sowie die Auswirkungen von Hardwarestörungen und die Cramér-Rao-Schranken für die Kanalschätzung untersucht.
Dieser Artikel stellt den DISPLACE-M-Challenge vor, der ein Benchmark für konversationsbasierte KI in der medizinischen Versorgung einführt, indem er einen Datensatz mit 55 Stunden Aufnahmen sowie Baselines für vier Aufgaben wie Sprecherdiarisierung und automatische Spracherkennung bereitstellt, um Systeme in lauten, mehrsprachigen Umgebungen zu evaluieren.
Dieses Paper stellt das PARLO Dementia Corpus (PDC) vor, eine erste öffentlich zugängliche, klinisch validierte deutsche Ressource mit Sprachaufnahmen und multimodalen Daten von Alzheimer-Patienten und gesunden Kontrollpersonen, die die Entwicklung nicht-invasiver, sprachbasierter Diagnoseverfahren für neurodegenerative Erkrankungen ermöglicht.
Der Artikel stellt eine auf segmentierten Wellenleitern basierende Tri-Hybrid-Beamforming-Architektur für den Uplink in Multi-User-MIMO-Systemen vor, die durch die gemeinsame Optimierung digitaler, analoger und Pinching-Beamforming-Komponenten in vollständig und teilweise verbundenen Topologien eine überlegene Leistung gegenüber herkömmlichen Ansätzen bei einem ausgewogenen Verhältnis von Summenrate und Energieverbrauch erzielt.
Diese Arbeit stellt ein einheitliches Rahmenwerk vor, das die Block-Energie-Statistik geformter Konstellationen mit den Niederfrequenzanteilen des Intensitätsfluktuationsleistungsdichtespektrums verknüpft, um durch spektral-zeitliche Co-Design-Regeln die nichtlineare Störung in kohärenten Glasfasersystemen zu minimieren.
Die vorgestellte Arbeit schlägt einen Deep-Learning-basierten konformen Bayes-Filter (DCBF) vor, der durch die Integration von konformer Quantilregression und Bayes-Filterung zuverlässige MIMO-Kanalvorhersagen mit kalibrierter Unsicherheit liefert und dabei die Schwächen herkömmlicher Kalman-Filter sowie übermäßig selbstbewusster Deep-Learning-Modelle überwindet.
Diese Studie stellt eine neue Methode zur zuverlässigen Erkennung von GNSS-Störungen vor, die die maximale Rauschbodenmessung von vier gleichzeitigen Reflexionen der CYGNSS-Satellitenkonstellation mit einem zweistufigen Verifikationsrahmen kombiniert, um in Tests über Weißer Sands und im Nahen Osten eine signifikant höhere Detektionsrate als bestehende Ansätze zu erzielen.
Diese Arbeit stellt eine Methode vor, die frequenzabhängige Amplitudenabnahme im Durchlassbereich von Comb-Decimatoren durch die Kaskadierung eines symmetrischen 3-Tap-FIR-Filters in der Integratorstufe und die Auswahl der Koeffizienten als Funktion der Ordnung reduziert, um die Abhängigkeit vom Dezimationsfaktor zu verringern.
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.
Diese Arbeit stellt einen kompakten, trainingsfreien und interpretierbaren Satz akustischer Parameter vor, der für die Erkennung von Timbre-Attributen in der Sprache konzipiert ist und dabei konventionelle Merkmale sowie überwachte DNN-Einbettungen in der Leistung übertrifft, ohne dabei hohe Rechenkosten zu verursachen.
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 Arbeit stellt einen Snapshot-HDR-Sensor mit nicht-regelmäßiger Pixelanordnung vor, der durch räumlich variierende Aperturen den Dynamikbereich erweitert und durch Fourier-Rekonstruktion hochauflösende, aliasing-freie Bilder aus einer einzigen Aufnahme ermöglicht.
Diese Studie stellt ein Multi-Volumen-Latent-Konsistenzmodell vor, das durch die Nutzung von dreidimensionalen latenten Darstellungen aus verschiedenen Gesichtsfeldern eine schnelle, stabile und hochpräzise Rekonstruktion von CT-Bildern bei stark eingeschränkten Aufnahmewinkeln ermöglicht und dabei robuste Ergebnisse unter verschiedenen klinischen Bedingungen liefert.
Die Autoren stellen BabAR vor, ein systemübergreifendes phonetisches Erkennungssystem für kindliche Sprache, das auf der neu erstellten TinyVox-Datenbank trainiert wurde und durch die Analyse von Fehlermustern sowie den Abgleich mit entwicklungspsychologischen Maßstäben als geeignetes Werkzeug für groß angelegte Studien zur Sprachentwicklung junger Kinder validiert wird.
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.