262 artículos
Este artículo ofrece un análisis estadístico exhaustivo del fenómeno "Einstein from noise", demostrando que la alineación y promediado de observaciones puramente ruidosas con una plantilla genera una reconstrucción espuria cuyas fases y magnitudes en el dominio de Fourier convergen hacia las de la plantilla, revelando así un sesgo crítico en las técnicas de coincidencia de plantillas.
Este artículo propone una técnica de compresión de imágenes basada en modelos que utiliza la síntesis de nuevas vistas y la optimización por descenso de gradiente para aprovechar la información previa de la misión, logrando así una compresión superior y robusta para la transmisión en tiempo real de vehículos operados remotamente sin cableado en entornos submarinos.
Este artículo propone un enfoque de control robusto que mitiga los cambios distribucionales en los parámetros de modelos aproximados de sistemas no lineales mediante la restricción de la consistencia con los datos de aprendizaje y la ralentización de las transiciones en el espacio de estado-entrada, formulando el problema como un programa semidefinido convexo eficiente.
Este artículo propone tres estrategias de MIMO con codificación de contenido (min-G, Grouping y Phantom) para configuraciones asimétricas que optimizan conjuntamente el número de usuarios y los flujos de datos, logrando mejoras significativas en los grados de libertad (DoF) en redes inalámbricas.
Este artículo propone un marco de comunicación semántica adaptativa que ajusta dinámicamente la tasa de transmisión según las condiciones del canal y la entropía del contenido, utilizando un modelo de lenguaje multimodal (MLLM) para compensar las características descartadas y optimizar así el uso de recursos y el rendimiento en canales de desvanecimiento Rayleigh MIMO.
Los autores proponen un nuevo algoritmo para el análisis de alcanzabilidad hacia adelante de sistemas de retroalimentación neuronal no lineales que utiliza envolventes poliedrales y programación lineal entera mixta para lograr una sobreaproximación segura y una mejora de un orden de magnitud frente al estado del arte.
Este artículo presenta las Funciones de Barrera de Control Filtradas (FCBF), un marco que extiende las HOCBF mediante un filtro de regularización de entrada para garantizar simultáneamente la seguridad del sistema, los límites de control y la continuidad Lipschitz de las señales de control, evitando así cambios abruptos que puedan degradar el rendimiento o dañar los actuadores.
Este artículo propone un marco de control predictivo basado en modelo distribuido para coordinar sistemas multiagente heterogéneos y no lineales bajo restricciones individuales y de acoplamiento, donde la solución cooperativa emerge dinámicamente de las interacciones optimizadas entre los agentes en lugar de estar predeterminada.
Este artículo presenta S2S-ZEST, un marco de transferencia de estilo emocional voz-a-voz sin texto y no paralelo que logra imitar la emoción de una referencia preservando el contenido y la identidad del hablante de la fuente mediante un pipeline de análisis-síntesis basado en tokens semánticos y embeddings de emoción.
Este trabajo propone un marco híbrido de estimación y control que utiliza un algoritmo de aprendizaje activo para diseñar secuencias de control que maximizan la observabilidad en la determinación inicial de órbitas relativas basada solo en mediciones angulares, permitiendo una transición efectiva a un filtro de Kalman extendido y un controlador predictivo para lograr un encuentro autónomo exitoso.
Este artículo presenta TI-DANSE+, un algoritmo mejorado de estimación de señales distribuida en redes de sensores acústicos inalámbricos que acelera la convergencia al utilizar sumas parciales de señales de los vecinos y una estrategia de poda de árboles, logrando un rendimiento superior en velocidad y eficiencia de ancho de banda en comparación con los métodos DANSE y TI-DANSE existentes.
Este artículo propone y analiza un método de aproximación de horizonte finito para calcular equilibrios de Nash en retroalimentación en juegos lineales-cuadráticos de horizonte infinito, estableciendo condiciones de unicidad, un algoritmo eficiente y cotas de error que garantizan la convergencia de los costos hacia la solución óptima.
El artículo presenta Human-CLAP, un modelo de entrenamiento contrastivo lenguaje-audio basado en la percepción humana que, al entrenarse con puntuaciones de evaluación subjetiva, mejora significativamente la correlación entre las métricas automáticas y la evaluación humana en comparación con el CLAP convencional.
Este artículo presenta la validación experimental en hardware del control de caída angular para convertidores DC/AC formadores de red, demostrando su capacidad para regular la frecuencia con exactitud, realizar arranque en negro y compartir potencia, al tiempo que aborda desafíos de implementación como la discretización y la deriva del reloj.
Este artículo propone un marco de proceso de decisión de Markov parcialmente observable (POMDP) para optimizar el seguimiento remoto en tiempo real de una fuente de Markov mediante sensores heterogéneos con precisión dependiente del estado, desarrollando algoritmos de aproximación truncada y poda incremental que superan a las estrategias de referencia en la minimización de la distorsión y los costos de transmisión.
Este estudio presenta un paradigma sistemático para comparar a humanos y máquinas en tareas de comprensión del habla multilingüe, revelando que, aunque los modelos de lenguaje basados en audio igualan o superan el rendimiento humano en condiciones limpias, los humanos muestran una ventaja significativa en la atención selectiva a hablantes en entornos ruidosos, especialmente en su lengua materna.
Este estudio evalúa exhaustivamente 17 sistemas de incrustación de voz preentrenados en seis conjuntos de datos heterogéneos para la detección de disartria, revelando una variabilidad significativa en los resultados dentro de cada conjunto y una menor generalización entre conjuntos, lo que cuestiona la validez clínica de los modelos entrenados y probados en los mismos datos.
El artículo propone un receptor neuronal basado en transformadores con atención axial que logra un rendimiento de error de bloque de estado del arte en sistemas inalámbricos, reduciendo significativamente la complejidad computacional al factorizar las operaciones de atención en los ejes temporal y espectral.
Este artículo presenta un marco de mezcla de expertos condicionado por el ruido que mejora la verificación de hablantes en entornos ruidosos mediante el descomposición del espacio de características en subespacios especializados, un mecanismo de enrutamiento inteligente y un protocolo de aprendizaje curricular.
Este artículo presenta IMAS, un algoritmo que aborda la selección conjunta de agentes de sensado y la síntesis de políticas de percepción activa en Dec-POMDPs mediante una optimización de dos capas basada en métricas de información mutua, garantizando un rendimiento de gracias a la submodularidad de los objetivos.