321 artículos
CycleULM es un marco unificado de aprendizaje profundo sin etiquetas que utiliza una traducción de dominio basada en CycleGAN para superar las limitaciones de datos y simulación en la microscopía de localización por ultrasonido, logrando mejoras significativas en la resolución, la precisión de localización de microburbujas y la velocidad de procesamiento en tiempo real.
El artículo presenta una nueva arquitectura de convertidor analógico-digital flash de 3 bits basada en uniones de túnel magnético con torque de espín orbital (SOT MTJ) que elimina el paso de reinicio mediante el uso de conjuntos de MTJ intercambiables, logrando un consumo de potencia de 476 µW y una tasa de conversión de 304,1 MHz.
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.
Esta encuesta presenta una taxonomía estructurada para analizar las implementaciones de redes celulares basadas en la nube, examina críticamente los desafíos técnicos y operativos clave, evalúa las estrategias de los principales proveedores de servicios en la nube e identifica tendencias futuras y retos abiertos para el despliegue de redes 6G.
Este artículo propone un algoritmo de consenso promedio dinámico que preserva la privacidad de las señales de referencia y sus derivadas mediante un enmascaramiento basado en señales sinusoidales, demostrando su eficacia en el equilibrio del estado de carga de sistemas de almacenamiento de energía en baterías.
El artículo presenta NanoBench, un nuevo conjunto de datos de código abierto y multi-tarea recopilado en un Crazyflie 2.1 que ofrece señales de actuador, control y estimación sincronizadas con precisión milimétrica para abordar los desafíos únicos de la identificación de sistemas, el control y la estimación de estado en cuadricópteros nano.
Esta revisión analiza los desafíos de integración, gestión energética y compatibilidad electromagnética que impone la aviación más eléctrica en los transmisores de localización de emergencia (ELT), consolidando sus arquitecturas, normativas de certificación y tendencias futuras para optimizar la supervivencia y la eficacia en las operaciones de búsqueda y rescate.
Este artículo presenta un enfoque basado en aprendizaje profundo que utiliza una red neuronal convolucional y un autoencoder de denoising para segmentar con alta precisión la retina y detectar desprendimientos del epitelio pigmentario en imágenes de tomografía de coherencia óptica de bajo costo para el monitoreo domiciliario de la degeneración macular asociada a la edad.
Este artículo propone un método para estimar las tasas de fallo en sistemas de tiempo real estacionarios y periódicos con prioridad de tasa monotónica, utilizando una aproximación de la distribución de los tiempos de respuesta mediante una mezcla de distribuciones inversas gaussianas y un algoritmo EM adaptado, cuya eficacia se valida mediante simulaciones extensas.
Este artículo presenta un enfoque novedoso para la co-optimización conjunta de la disposición física y el control de sistemas de transporte aéreo cooperativo, con el objetivo de maximizar la precisión y la robustez frente a perturbaciones mediante la búsqueda de la configuración óptima de los drones alrededor de la carga.
El artículo presenta DMaC, un algoritmo distribuido de tiempo finito que garantiza la convergencia exacta al consenso máximo en redes dirigidas con enlaces de comunicación no fiables, incorporando un mecanismo de terminación autónomo y utilizando canales de retroalimentación de error libre de banda estrecha para minimizar la sobrecarga.
Este trabajo propone un método novedoso que combina modelos de lenguaje grandes con algoritmos evolutivos para sintetizar políticas de control interpretables y verificables, representadas como programas en lenguajes estándar como Python, en lugar de utilizar redes neuronales de caja negra.
El artículo presenta 3D-PIUNet, un método híbrido que mejora la reconstrucción de fuentes cerebrales en EEG al inicializar una red neuronal 3D con una solución física inversa, logrando así una mayor precisión espacial que los enfoques tradicionales y de aprendizaje profundo puros.
Este trabajo propone un método práctico de selección de fases para superficies inteligentes reconfigurables (RIS) en entornos de Ricean y Rayleigh correlacionados, que divide la RIS en subsuperficies dedicadas a usuarios individuales para lograr un rendimiento competitivo con una complejidad computacional significativamente menor que las técnicas existentes.
Este artículo presenta una revisión sistemática de los avances recientes en el procesamiento de señales y el aprendizaje sobre grafos que varían en el tiempo, comparando sus metodologías y experimentos para identificar desafíos y futuras direcciones de investigación en este campo.
El artículo propone una nueva estrategia de exploración dirigida para sistemas lineales con perturbaciones no estocásticas, que utiliza un programa semidefinido para garantizar una precisión deseada en la estimación de parámetros sin asumir distribuciones de ruido.
El estudio demuestra que cuatro modelos recientes de supresión de ruido profundo pueden ser engañados mediante ruido adversario psicoacústicamente oculto para generar salida ininteligible, revelando vulnerabilidades críticas que requieren contramedidas antes de su uso en aplicaciones de seguridad.
Este artículo presenta un enfoque de control supervisorio modular de sistemas de eventos discretos, implementado en MATLAB y validado en sistemas IEEE de 30, 118 y 300 barras, para reducir la complejidad computacional y mejorar la robustez en la predicción y mitigación de fallas en cascada en redes eléctricas.
Este artículo propone un nuevo enfoque de fusión de imágenes de pocos ejemplos que introduce el concepto de "priors incompletos" y un algoritmo de cálculo de píxeles de bolas granulares (GBPC) para permitir que una red neuronal ligera aprenda reglas de fusión adaptativas y generalizables sin necesidad de imágenes fusionadas reales como supervisión.
Este artículo propone un marco de control basado en la coincidencia de puntuación de difusión para sistemas no lineales, que utiliza un proceso de difusión hacia adelante seguido de una ley de retroalimentación determinista de "desruido" para guiar la densidad de probabilidad del sistema hacia una distribución objetivo, ofreciendo una alternativa tratable al control no lineal con garantías teóricas para sistemas sin deriva y lineales invariantes en el tiempo.