174 articles
Cette étude démontre, grâce à des mesures 5G NR réelles collectées dans divers environnements, que le finetuning spécifique à un site des récepteurs neuronaux améliore considérablement les taux d'erreur tout en généralisant ces gains à différents matériels et scénarios de déploiement.
Cet article propose le filtre de Wiener multicanal distribué (dMWF), un algorithme non itératif et optimal pour les réseaux de capteurs acoustiques sans fil qui permet d'estimer des signaux de parole spécifiques à chaque nœud avec des performances équivalentes à un système centralisé tout en réduisant l'utilisation de la bande passante, même lorsque les nœuds observent des ensembles de sources différents.
Ce rapport technique présente une nouvelle méthode NI, interprétable et peu coûteuse pour estimer les paramètres initiaux d'un modèle trigonométrique à partir de données irrégulièrement échantillonnées et bruyantes, permettant une convergence fiable vers le minimum global même avec un rapport signal-sur-bruit aussi faible que 1,4 dB.
Cette étude évalue un radar FMCW MIMO peu coûteux pour la surveillance sans contact des signes vitaux, révélant qu'il offre une estimation robuste des fréquences respiratoire et cardiaque moyennes à une distance optimale de 70 cm, mais présente des limites significatives en précision pour le suivi des fluctuations instantanées comme la variabilité du rythme cardiaque.
Cet article propose une méthode hybride assistée par modèle pour la prédiction des pertes de parcours en milieu suburbain, qui améliore le modèle de référence CI classique grâce à une compensation adaptative et à l'analyse d'images environnementales, atteignant une erreur quadratique moyenne de 4,04 dB sur des données réelles.
Cette lettre propose un cadre d'entraînement de faisceaux en champ proche pour les communications multipath, basé sur des bandits linéaires et l'échantillonnage de Thompson avec un prior gaussien corrélé, qui réduit considérablement la surcharge des pilotes tout en améliorant le gain de faisçage par rapport aux méthodes existantes.
Cet article présente un neurone analogique spiking LIF en technologie CMOS 28 nm consommant seulement 1,61 fJ par pic, démontrant la viabilité d'une implémentation ASIC économe en énergie pour des réseaux de neurones à pics quantifiés appliqués à l'apprentissage machine embarqué.
Cet article propose une nouvelle méthode d'estimation de canal MIMO haute dimensionnelle basée sur des modèles de diffusion génératifs, qui permet une reconstruction précise et rapide avec une réduction de la surcharge des pilotes et sans nécessiter de données de référence, même à partir de mesures quantifiées et bruyantes.
Cet article propose des méthodes d'allocation de puissance et de débit pour des communications discrètes à taux positif sur des canaux de Rayleigh, en utilisant une approche en trois étapes pour le cas de l'information d'état non causale et un apprentissage par renforcement profond (DDQN) pour le cas causal.
Ce papier présente NANOMIND, une approche de co-conception matériel-logiciel qui optimise l'inférence des modèles multimodaux sur des appareils autonomes à batterie en décomposant les modèles en modules exécutés dynamiquement sur les accélérateurs appropriés, réduisant ainsi la consommation d'énergie de 42,3 % et permettant une autonomie de près de 20,8 heures.
Cet article propose un tutoriel sur les systèmes d'antennes à pincement généralisés, une architecture flexible permettant un positionnement dynamique des éléments rayonnants le long de divers milieux de guidage, en couvrant leurs principes physiques, leurs stratégies de conception, leur intégration avec les technologies émergentes et les défis de recherche futurs pour les réseaux sans fil de nouvelle génération.
Cet article présente AirCNN, une nouvelle approche permettant d'implémenter des réseaux de neurones convolutifs par calcul analogique sans fil via des surfaces intelligentes reconfigurables (RIS), en optimisant conjointement les paramètres de transmission pour réaliser efficacement des convolutions 2D et séparables en profondeur.
Ce papier propose une méthode de diagnostic de pannes en peu d'échantillons utilisant un jumeau numérique bidirectionnel ancré par des prototypes et un apprentissage multi-périodique pour améliorer la robustesse et l'adaptation aux données limitées des actifs industriels.
Cette étude présente un pipeline automatisé utilisant un capteur acoustique portable et un modèle de transformateur audio pour segmenter et classifier les bruits intestinaux, permettant une évaluation objective de l'activité digestive avec une haute précision et une réduction significative du temps d'annotation manuelle.
Ce papier propose une méthode de détection de brouillage pour les réseaux 5G basée sur la Machine Tsetlin Convolutionnelle (CTM), qui offre une alternative interprétable et économe en ressources par rapport aux réseaux de neurones profonds, permettant un déploiement matériel efficace sur FPGA pour des environnements de bord contraints.
Cet article présente un cadre léger basé sur un jumeau numérique pour le suivi des véhicules et la prédiction de collisions dans les systèmes de transport intelligents, qui utilise uniquement la détection d'objets et des cartes de trajectoires pré-calculées pour atteindre une précision de 88 % tout en restant adapté au déploiement sur des dispositifs périphériques à ressources limitées.
Cette étude propose un cadre de modèles à goulot d'étranglement conceptuel 3D intégrant des caractéristiques morphologiques et hémodynamiques pour classifier les anévrismes intracrâniens avec une haute précision tout en garantissant une interprétabilité clinique essentielle à l'adoption médicale.
Le papier présente MetaSort, un algorithme novateur qui combine un algorithme de franchissement de niveau adaptatif pour la compression et un apprentissage par transfert méta pour la classification, afin de traiter simultanément la compression et le tri des signaux de pointes neuronales avec une grande fidélité.
Ce papier présente deux nouveaux cadres évolutifs, NEMO-DE et NEEF-DE, qui permettent la localisation de sources multiples en champ proche sur des géométries d'antennes arbitraires en utilisant des modèles de signaux continus sans nécessiter de données étiquetées ni de grilles discrétisées.
Cet article présente la conception et la simulation d'une nouvelle antenne monopôle courbée optimisée pour les radars HF à onde céleste, qui, grâce à une géométrie hybride combinant une section droite et une courbure, offre une bande passante élargie et un gain accru par rapport aux monopôles conventionnels, tout en étant extensible à des réseaux linéaires performants pour les applications radar au-delà de l'horizon.