166 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.
El artículo presenta SPDIM, un marco de aprendizaje profundo geométrico que aborda la adaptación de dominio no supervisada sin fuente en señales EEG bajo desplazamientos de etiquetas, superando a los métodos anteriores mediante una estrategia de optimización eficiente en la variedad de matrices definidas positivas que maximiza la información.
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 presenta un modelo de ruido gaussiano de banda ancha que ofrece una expresión cerrada para la relación ruido-no señal en amplificadores ópticos semiconductores, demostrando que su precisión supera el 0,1 dB cuando el producto del ancho de banda y el tiempo de recuperación de la ganancia excede 100, y revelando que el tratamiento completo de la compresión de ganancia aumenta el ruido no lineal en un factor de $1+P_\text{out}/P_\text{sat}$.
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.
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 propone una arquitectura de metasuperficies inteligentes apiladas con codificación espacio-temporal aleatoria que, al introducir variaciones temporales artificiales y utilizar un esquema de beamforming basado en información parcial del estado del canal, permite una conectividad masiva de enlace descendente eficiente y escalable al reducir significativamente la sobrecarga de retroalimentación en redes densas.
El artículo presenta una arquitectura de haz basado en teselados para la formación de haces digital eficiente en un radar de banda ancha con 1024 elementos, que combina reducción de dimensionalidad en el espacio de haces y entrenamiento coordinado de filtros MVDR para lograr un rendimiento superior al de un solo subconjunto de antenas en entornos con interferencias fuertes.
Este estudio demuestra que, aunque el método de campo de bloque basado en descriptores lineales multicanal (MLD-BFM) logra la mejor precisión en la decodificación continua de cinco grados de libertad de los dedos mediante sEMG de alta densidad, su ventaja sobre las características temporales convencionales no es estadísticamente significativa, lo que sugiere que la resolución espacial inherente a las grabaciones densas es más crítica que los descriptores espaciales explícitos para esta tarea.
Este estudio presenta un enfoque novedoso basado en transformadores de cuello de botella que mejora la predicción automática de la métrica STOI al lograr una mayor correlación y menor error cuadrático medio en comparación con los modelos actuales, sin depender de una referencia de habla limpia.
Este artículo presenta el problema de la Ruta Óptima de la Estación Base Móvil (MOT) para la recolección de datos en redes IoT de gran escala, demostrando su complejidad NP-completa y proponiendo una heurística voraz polinómica que supera a los enfoques existentes al optimizar simultáneamente el costo del trayecto, la cobertura completa de sensores y el tiempo de ejecución.
Este estudio propone un nuevo marco basado en la identificación de sistemas no lineales y la perspectiva de los sistemas dinámicos para detectar y caracterizar el acoplamiento de fase-amplitud con mayor precisión, superando las limitaciones de los métodos existentes al ser robusto frente al ruido y las acoplamientos espurios.
Este artículo presenta un servicio de auditoría transversal que, mediante el análisis de telemetría de terminal y sondas en el host, identifica de forma independiente los distintos regímenes de priorización y estrangulamiento de Starlink basándose en firmas específicas de rendimiento y latencia.
Este trabajo presenta GF-BiLSTM, un modelo de fusión profunda que aprovecha tanto la amplitud como la fase de la información de estado del canal (CSI) de Wi-Fi para mejorar significativamente la precisión y la robustez en el reconocimiento de actividades robóticas, demostrando por primera vez el papel crítico de la fase en este dominio.
Este trabajo presenta un enfoque basado en datos para la predicción probabilística del factor de histéresis en baterías de vehículos eléctricos con ánodos de silicio-grafito, utilizando un marco de armonización de datos y modelos de aprendizaje profundo para mejorar la estimación del estado de carga considerando la incertidumbre y la eficiencia computacional.
Este artículo presenta LAD-CKM, un marco innovador que construye mapas de conocimiento del canal dinámicos y agnósticos a la ubicación mediante la renderización de campos de radiación de radiofrecuencia y una red de representación de radiadores, logrando predecir el estado del canal (CSI) con mayor precisión en escenas dinámicas sin depender de información de ubicación precisa.
Este artículo presenta un diseño de transceptor híbrido de dos etapas para sistemas MIMO masivos en el rango de terahercios con ADCs de baja resolución, que mitiga el efecto de doble banda ancha mediante un modelado riguroso del canal y una técnica de formación de haces con pocas líneas de retardo temporal real, logrando una mejora del 13% en la eficiencia espectral frente a las técnicas existentes.
Este trabajo presenta el marco de Computación Distribuida Aleatorizada (RDFC), un enfoque de comunicación semántica que garantiza la privacidad local mediante la transmisión de información mínima para generar funciones aleatorizadas, demostrando que la privacidad puede lograrse incluso sin aleatoriedad compartida y reduciendo drásticamente la tasa de comunicación en comparación con la transmisión sin pérdidas.
Este artículo presenta un predictor de tráfico espacio-temporal basado en descomposición de bajo rango que, al ser aplicado a la red vial de Seúl, logra un rendimiento de enrutamiento casi equivalente al de los sistemas en tiempo real, con un exceso de tiempo de viaje promedio inferior a 1,5 minutos.
Este artículo presenta un generador de conjuntos de datos de referencia inspirado en el IEEE para la evaluación de reconocimiento pasivo en comunicaciones de redes eléctricas inteligentes, el cual simula observadores receptores que alteran la propagación del canal mediante un mapeo físico consistente en redes jerárquicas para permitir la comparación estandarizada de detectores federados y de grafos temporales.