161 artículos
Este trabajo propone técnicas de compensación de no linealidad de baja complejidad, basadas en conformación de constelación mediante tablas de búsqueda y rotación de fase no lineal, para mejorar la eficiencia de los enlaces ascendentes de comunicaciones ópticas satelitales, logrando un aumento de hasta 6 dB en la pérdida de enlace aceptable.
Este artículo propone un marco de optimización de ondas OFDM para sistemas ISAC bistáticos que maximiza la tasa de datos de comunicación mediante una asignación conjunta de subportadoras y potencia, garantizando al mismo tiempo la precisión de la detección de retardos mediante un esquema de estimación de coeficientes de trayectoria y retardos.
El artículo demuestra que ciertos problemas de decisión polinomial con especificaciones de ejecución causal intrínseca requieren tiempo lineal y no admiten aceleración asintótica mediante computación paralela, estableciendo así una brecha fundamental entre el paralelismo lógico y la ejecutabilidad causal.
Este artículo presenta un marco de geometría estocástica que utiliza procesos de punto beta-Ginibre para evaluar la exposición a campos electromagnéticos y la eficiencia energética (REBT-DL) en redes 5G, demostrando mediante simulaciones y datos reales de París que este modelo ofrece una precisión superior a los tradicionales y resalta la importancia de estrategias de despliegue conscientes de la energía para la sostenibilidad.
Este artículo presenta el primer marco bayesiano de mapeo ambiental para ISAC que fusiona mediciones monostáticas y bistáticas bajo propagación en superficies no ideales, demostrando mediante datos sintéticos que dicha integración mejora la precisión, robustez y velocidad de convergencia en comparación con enfoques de enlace único.
Este artículo elabora sobre el argumento de compartición de espacio para demostrar la optimalidad del límite de Singleton en la codificación clásica asistida por entrelazamiento y establece un nuevo límite entropico de Singleton estricto para códigos con entrelazamiento distribuido en un subconjunto de codificadores bajo operaciones cuánticas locales.
Este artículo presenta FedPASS, un marco innovador que utiliza sistemas de antenas de pinzamiento (PASS) para optimizar conjuntamente la programación, la potencia y la ubicación de las antenas, logrando así una reducción significativa en la latencia de la aprendizaje federado inalámbrico sin comprometer la precisión del modelo.
Este artículo propone un marco de aprendizaje federado consciente de la coherencia que mitiga las imperfecciones de enlaces heterogéneos mediante la superposición de productos en el enlace descendente y la reutilización de modelos previos en el ascendente, logrando así garantías de convergencia y mejoras significativas en la eficiencia de comunicación y precisión del aprendizaje.
Este artículo presenta el algoritmo \texttt{SRTS} basado en muestreo de Thompson para la optimización del ratio de Sharpe en un entorno de banditos estocásticos, demostrando teóricamente que alcanza límites de arrepentimiento óptimos en orden y superando a los métodos existentes en simulaciones empíricas.
Este artículo demuestra teóricamente y valida empíricamente que las alucinaciones en los modelos de lenguaje son una consecuencia inevitable de la optimización de la memoria bajo capacidad limitada, donde la estrategia óptima de compresión de información requiere asignar alta confianza a hechos no reales para minimizar la pérdida de información.
LWM-Temporal es un modelo fundacional de aprendizaje automático diseñado para representar canales inalámbricos mediante un mecanismo de atención espaciotemporal dispersa y alineada con la propagación física, lo que le permite aprender incrustaciones universales reutilizables en diversas tareas de predicción de canales, especialmente en escenarios de alta movilidad y con datos limitados.
Este artículo resuelve tras veinte años la conjetura sobre la cuantización de la curvatura de Ricci en bitnets binarios, demostrando su validez para estructuras de árbol y grafos completos mediante un mecanismo de cancelación universal, refutándola en casos generales con contraejemplos de bucles y extendiendo el análisis a redes DAG gaussianas donde se observa una dicotomía de signo entre curvaturas positivas y negativas.
Este artículo presenta el Filtro de Punto de Soporte Epistémico (ESPF), un método óptimo único que sintetiza la máxima entropía de Jaynes y la falsificación de Popper para minimizar la ignorancia epistémica en el peor de los casos, demostrando su superioridad sobre los filtros bayesianos y su recuperación del filtro de Kalman en el límite gaussiano mediante validación numérica en seguimiento orbital.
Este artículo caracteriza la frontera crítica donde la privacidad diferencial en el modelo de barajado (shuffle) deja de converger a un límite gaussiano para dar lugar a límites no gaussianos explícitos de tipo Poisson, Skellam y compuesto-Poisson, completando así una visión de tres regímenes que abarca desde la privacidad fuerte hasta la ausencia total de privacidad.
Este artículo propone un decodificador de códigos QLDPC basado en aprendizaje por refuerzo que supera las limitaciones de convergencia de la decodificación por propagación de creencias mediante un proceso de decisión de Markov con actualizaciones locales de segundo orden, logrando un rendimiento y velocidad de convergencia superiores con una complejidad competitiva.
Este artículo presenta un sistema de detección cuántica optimizado mediante circuitos cuánticos que, al aprender de las señales de radio utilizando datos de trazado de rayos, permite localizar entornos con mayor sensibilidad y eficiencia que los métodos clásicos, incluso sin realizar mediciones de canal durante la implementación.
El artículo presenta Fly-PRAC, un nuevo esquema de recuperación de paquetes que explota relaciones algebraicas para corregir errores en nodos intermedios sin necesidad de decodificación, logrando una mejora significativa en el rendimiento y una reducción en el retraso de decodificación en comparación con métodos anteriores como S-PRAC.
Este artículo propone un marco teórico y algoritmos de optimización combinatoria para seleccionar particiones óptimas de dos bloques que aceleren la mezcla de cadenas de Markov finitas, minimizando la divergencia de Kullback-Leibler y la distancia de Frobenius mediante la caracterización de cortes óptimos y aproximaciones computacionalmente eficientes.
Este artículo propone una estrategia de despliegue óptima de antenas móviles para sensores inalámbricos de campo cercano que minimiza el error de posición mediante una distribución simétrica y una solución de tres puntos, superando a las antenas fijas con una complejidad computacional mínima.
Este artículo propone un sistema de detección inalámbrica que utiliza una antena móvil en movimiento tridimensional para optimizar su trayectoria y minimizar el error cuadrático medio de estimación direccional, logrando así un rendimiento de detección más robusto e isotrópico en comparación con las antenas fijas o el movimiento bidimensional.