321 Arbeiten
Dieser Beitrag stellt einen allgemeinen regelungstechnischen Ansatz namens vektorfeldgeleitete Constraint-Following-Steuerung vor, der die dynamische Pfadverfolgung für eine Klasse unsicherer mechanischer Systeme unter Berücksichtigung von heterogenen, zeitvariierenden Unsicherheiten und selbstschneidenden Pfaden ermöglicht.
Diese Arbeit stellt ein End-to-End-Framework für die mehrkanalige Keyword-Erkennung vor, das durch die Kombination eines räumlichen Encoders und richtungsbezogener Priors die Robustheit in lauten Umgebungen signifikant verbessert.
Diese Arbeit stellt einen formalen Rahmen für interpolierende stochastische Differentialgleichungen (iSDEs) vor und entwickelt einen darauf aufbauenden schnellen Solver, der es ermöglicht, Diffusionsmodelle zur Sprachrestauration wie SGMSE+ mit nur zehn neuronalen Netzwerkauswertungen effizient zu lösen.
Die Arbeit stellt das RDFC-Framework vor, das als Form semantischer Kommunikation durch die Übertragung minimaler Informationen zur Erzeugung privater Zufallsfunktionen dient und nachweist, dass selbst ohne gemeinsame Zufallsdaten eine starke lokale Differentialprivatsphäre erreicht werden kann, wobei gemeinsame Zufallsdaten die Kommunikationsrate im Vergleich zu herkömmlichen Methoden drastisch senken.
Die Studie zeigt, dass ein auf niedrigrangiger zyklischer Stationarität basierender Prädiktor für die Routenplanung in Seoul eine nahezu Echtzeit-gleiche Leistung erzielt und dabei eine durchschnittliche Mehrfahrzeit von weniger als 1,5 Minuten verursacht.
Dieses Paper stellt einen IEEE-inspirierten Benchmark-Datensatzgenerator vor, der physikalisch konsistente, rein passive Rekonnaissance-Szenarien in drahtlosen Smart-Grid-Kommunikationsnetzwerken modelliert, um die Evaluierung von Graph-zeitlichen und federierten Detektoren zu standardisieren.
Dieses Papier stellt einen neuartigen MPC-Rahmen mit unendlichem Kontrollhorizont vor, der die Anfangsfeasibilität für die eingeschränkte endzeitliche Stabilisierung diskreter Systeme erweitert, indem er eine Endkostenstrategie durch die Summe der Stufenkosten über einen unendlichen Horizont ersetzt und dabei auf Endgleichheitsbedingungen oder Umschaltstrategien verzichtet.
Die Arbeit stellt Speech-Omni-Lite vor, ein kosteneffizientes Framework, das vortrainierte Vision-Language-Modelle durch zwei leichte, trainierbare Module um Sprachverständnis und -generierung erweitert, ohne die ursprüngliche Leistung zu beeinträchtigen, und dabei mit einer speziellen Datenkonstruktionsstrategie auch mit begrenzten Trainingsdaten hervorragende Ergebnisse erzielt.
Diese Studie zeigt anhand realer 5G-NR-Messdaten, dass eine standortspezifische Feinabstimmung neuronaler Empfänger die Fehlerrate signifikant senkt und diese Verbesserungen zudem auf verschiedene Hardware und Szenarien übertragbar sind.
Der Artikel untersucht die Implementierung eines Embedded Model Predictive Control-Algorithmus auf ressourcenbeschränkter Hardware zur robusten Stabilisierung und Verbesserung des Komforts von EMS-Maglev-Fahrzeugen bei Geschwindigkeiten von über 600 km/h.
Diese Arbeit stellt einen neuartigen Ansatz zur Generierung von Raumimpulsantworten vor, bei dem ein vortrainiertes Text-zu-Audio-Modell durch eine auf Vision-Language-Modellen basierende Beschriftungspipeline und In-Context-Learning feinabgestimmt wird, um realistische akustische Umgebungen für Anwendungen wie die Sprachdaten-Augmentierung zu erzeugen.
Die Studie stellt das DRES-Datenset mit 1,5 Stunden semi-spontaner niederländischer Sprache aus lauten Innenräumen vor und zeigt, dass moderne einkanalige Sprachverbesserungsalgorithmen die Leistung von Spracherkennungsmodellen unter diesen realistischen Bedingungen nicht verbessern.
Dieses Paper stellt den nicht-iterativen, optimalen verteilten Multichannel-Wiener-Filter (dMWF) für drahtlose akustische Sensornetzwerke vor, der die Leistung eines zentralen Systems erreicht, ohne die Kommunikationsbandbreite zu überlasten und auch dann funktioniert, wenn Knoten unterschiedliche Quellensets beobachten, wodurch er den iterativen DANSE-Algorithmus in Bezug auf Geschwindigkeit und Effizienz übertrifft.
Die Arbeit stellt -Occ vor, ein Framework für die semantische 3D-Occupancy-Vorhersage beim autonomen Fahren, das durch einen Multi-View-Masked-Reconstruction-Modul und ein Feature-Memory-Modul auch bei unvollständigen Kameraeingängen robuste geometrische und semantische Ergebnisse liefert.
Die Arbeit stellt PanoAffordanceNet vor, ein neuartiges Framework mit einem verzerrungsbewussten spektralen Modulator und einem omni-sphärischen Verdichtungskopf, das zusammen mit dem ersten hochqualitativen Datensatz 360-AGD die holistische Affordanz-Verankerung in 360°-Indoor-Umgebungen für embodied Intelligence ermöglicht.
Diese Arbeit stellt ein leichtgewichtiges 3D-LiDAR-basiertes UAV-Tracking-System vor, das einen adaptiven erweiterten Kalman-Filter (AEKF) nutzt, um auch bei spärlichen Daten und unter strengen Nutzlastbeschränkungen eine zuverlässige relative Positionsbestimmung in GPS-freien Umgebungen zu gewährleisten.
Dieser technische Bericht stellt eine neue, rein auf der NI-Methode basierende Strategie vor, um für trigonometrische Modelle mit unregelmäßig abgetasteten Daten und starken Störungen hochwertige Anfangswerte zu schätzen, die eine effiziente Konvergenz zum globalen Minimum auch bei sehr geringem Signal-Rausch-Verhältnis ermöglichen.
Diese Studie zeigt, dass ein kostengünstiges FMCW-MIMO-Radar zwar robuste Durchschnittswerte für Atem- und Herzfrequenz liefert, jedoch aufgrund von Multipath-Effekten und Signal-Rausch-Verhältnissen bei variablen Entfernungen und für hochauflösende Beat-to-Beat-Messungen nur eingeschränkte Genauigkeit bietet.
Diese Arbeit stellt eine hybride, modellgestützte Methode zur Vorhersage von Pfadverlusten in suburbanen Umgebungen vor, die durch eine umweltadaptive Kompensation des CI-Modells und die Analyse von Umgebungsbildern eine Test-Root-Mean-Square-Fehler von 4,04 dB auf den Messdaten von Pingtan Island erreicht.
Diese Arbeit stellt einen lernbasierten primal-dualen Regelungsansatz für die sekundäre Frequenzregelung vor, der durch den Einsatz neuronaler Netze zur Verbesserung der transienten Leistung bei gleichzeitiger Wahrung mathematisch bewiesener Stabilität und optimaler stationärer Betriebszustände führt.