166 artículos
Este trabajo demuestra empíricamente, utilizando mediciones reales de 5G NR en diversos entornos, que el ajuste fino específico del sitio de receptores neuronales mejora significativamente la tasa de error sin aumentar la complejidad y que estos beneficios se generalizan entre diferentes hardware y escenarios de despliegue.
Este artículo propone el filtro de Wiener multicanal distribuido (dMWF), un algoritmo no iterativo y óptimo para redes de sensores acústicos inalámbricos que supera las limitaciones de convergencia y los supuestos de fuentes comunes de métodos existentes como DANSE, logrando un rendimiento equivalente al de un sistema centralizado con menor uso de ancho de banda.
Este informe técnico presenta una estrategia interpretable y basada en NI para estimar parámetros iniciales en modelos trigonométricos con datos muestreados de forma irregular, permitiendo una optimización no lineal eficaz incluso en condiciones de alto ruido y cobertura temporal limitada, con un costo computacional inferior al del método del periodograma de Lomb-Scargle.
Este estudio evalúa experimentalmente un radar FMCW-MIMO de bajo costo para la monitorización de signos vitales sin contacto, revelando que, aunque logra una estimación precisa de las frecuencias respiratoria y cardíaca promedio a una distancia óptima de 70 cm, presenta limitaciones significativas en la precisión para medir la variabilidad instantánea de estos ritmos.
Este artículo presenta un método híbrido asistido por modelos que mejora la predicción de pérdidas de trayectoria en entornos suburbanos mediante una compensación adaptativa al entorno y la organización de imágenes ambientales, logrando un error cuadrático medio de 4,04 dB en pruebas realizadas en la isla de Pingtan.
Esta carta propone un marco de entrenamiento de haces para comunicaciones de campo cercano en canales multipath basado en bandits lineales y muestreo de Thompson, que utiliza un prior gaussiano correlacionado para equilibrar la exploración y la explotación, logrando una reducción del 90% en la sobrecarga de pilotos y una mejora de más de 2 dB en la relación señal-ruido respecto a las líneas base.
Este trabajo presenta un diseño de neurona analógica Leaky Integrate-and-Fire en tecnología CMOS de 28 nm que consume solo 1.61 fJ por espiga, logrando una frecuencia máxima de 300 kHz y una precisión del 82.5% en el conjunto de datos MNIST, demostrando así la viabilidad de sistemas neuromórficos de bajo consumo para aplicaciones de aprendizaje automático embebido.
Este artículo propone un nuevo método de estimación de canales inalámbricos de alta dimensión basado en modelos de difusión generativos que, al aprovechar un prior profundo y el estimador de riesgo de Stein no supervisado, logra una recuperación de alta fidelidad con una latencia diez veces menor y un sobrecarga de pilotos reducida a la mitad en comparación con los esquemas actuales.
Este artículo propone métodos de asignación de potencia y tasa para lograr comunicaciones encubiertas de tasa positiva en canales de desvanecimiento de Rayleigh, utilizando un método de tres pasos para el conocimiento no causal del estado del canal y un enfoque de aprendizaje profundo por refuerzo (DDQN) para el conocimiento causal, demostrando su eficacia mediante simulaciones.
El artículo presenta NANOMIND, un marco de diseño conjunto hardware-software que optimiza la inferencia de modelos multimodales grandes en dispositivos pequeños y autónomos mediante la ejecución modular en aceleradores heterogéneos, logrando una eficiencia energética superior y una autonomía de casi 21 horas sin conexión a red.
Este artículo presenta una visión general de los sistemas de antenas de pellizco generalizados, una arquitectura flexible que permite la reconfiguración dinámica de puntos de radiación en diversos medios de guía de ondas, detallando sus principios físicos, estrategias de diseño, integración con tecnologías emergentes y los desafíos futuros para su implementación en redes inalámbricas de próxima generación.
Este artículo presenta AirCNN, un nuevo paradigma que implementa redes neuronales convolucionales mediante computación analógica inalámbrica utilizando superficies inteligentes reconfigurables (RIS), optimizando arquitecturas de transmisión MIMO y MISO para lograr un rendimiento satisfactorio en la clasificación.
Este artículo propone un método de diagnóstico de fallos con pocos ejemplos que utiliza un prototipo de gemelo digital bidireccional anclado con aprendizaje de multi-periodicidad para superar la dependencia de grandes cantidades de datos etiquetados mediante la adaptación de meta-entrenamiento en el espacio virtual y adaptación en tiempo de prueba en el espacio físico.
Este estudio presenta un sistema automatizado basado en sensores acústicos portátiles y modelos de aprendizaje profundo que segmenta y clasifica los sonidos intestinales con alta precisión, reduciendo significativamente el tiempo de etiquetado manual y ofreciendo a los clínicos una herramienta objetiva para la evaluación cuantitativa de la función gastrointestinal.
Este artículo presenta un método de detección de interferencias para redes 5G basado en la Máquina Tsetlin Convolucional (CTM) que, al operar directamente sobre señales de sincronización, ofrece una solución interpretable y eficiente en hardware con un entrenamiento 9,5 veces más rápido y un uso de memoria 14 veces menor que las redes neuronales convolucionales, validada experimentalmente en un entorno de prueba real y proyectada para su implementación en FPGAs.
Este artículo presenta un marco ligero basado en gemelos digitales para el seguimiento de vehículos y la predicción de colisiones en sistemas de transporte inteligentes, el cual utiliza únicamente detección de objetos y mapas de ruta precalculados para lograr una alta precisión en la predicción de colisiones con bajo costo computacional adecuado para dispositivos de borde.
Este artículo presenta un marco de modelo de cuello de botella de conceptos 3D que integra características morfológicas y hemodinámicas para clasificar aneurismas intracraneales con alta precisión y transparencia clínica, superando las limitaciones de interpretabilidad de los modelos de caja negra tradicionales.
El artículo presenta MetaSort, un algoritmo innovador que combina compresión adaptativa de alta fidelidad y clasificación few-shot de formas de onda de picos neuronales mediante aprendizaje meta-transferido que explota la información geométrica, demostrando un alto rendimiento en datos in-vivo y su potencial para implementaciones en chip de ultra bajo consumo.
Este artículo presenta dos nuevos marcos evolutivos basados en modelos (NEMO-DE y NEEF-DE) para la localización de múltiples fuentes en campo cercano que operan directamente sobre el modelo de señal de onda esférica continua, eliminando la necesidad de cuadrículas discretizadas o datos etiquetados y superando las limitaciones de los métodos tradicionales.
Este artículo presenta el diseño y la simulación de una nueva antena monopolo curva optimizada para radares HF de onda celeste, la cual logra un aumento del 18,5% en la ganancia y una expansión de 400 kHz en el ancho de banda mediante la optimización de la curvatura y la inclusión de una sección recta, demostrando además su escalabilidad efectiva en una matriz lineal de 12 elementos para operaciones de radar sobre el horizonte.