318 articles
Cet article propose une analyse statistique complète du phénomène « Einstein from noise », démontrant mathématiquement que l'alignement et la moyenne d'observations purement bruitées sur un modèle de référence conduisent inévitablement à une reconstruction qui imite la structure et les phases de ce modèle, révélant ainsi un biais fondamental dans les techniques d'appariement de modèles.
Ce papier propose une technique de compression d'images basée sur la synthèse de nouvelles vues et l'optimisation par descente de gradient pour permettre un retour visuel en temps réel des véhicules téléopérés sous-marins, surpassant les méthodes existantes en termes de ratio de compression et de qualité d'image.
Cet article propose une méthode de contrôle robuste et de programmation de gain qui atténue les décalages distributionnels des paramètres des modèles d'approximation en restreignant le système en boucle fermée pour qu'il soit cohérent avec les données d'apprentissage, une approche formulée comme un programme semi-défini convexe et évaluée sur un problème de programmation de gain.
Cet article propose trois stratégies de communication MIMO assistée par cache, nommées min-G, Grouping et Phantom, pour optimiser les degrés de liberté dans des réseaux asymétriques en ajustant dynamiquement les ressources spatiales et le nombre d'utilisateurs.
Cet article propose un cadre de communication sémantique adaptatif sur canaux MIMO Rayleigh qui ajuste dynamiquement le taux de transmission en fonction de l'entropie et de l'état du canal, tout en utilisant un modèle de langage multimodal (MLLM) pour compenser les informations perdues et optimiser ainsi l'utilisation des ressources.
Cet article propose un nouvel algorithme d'analyse de l'accessibilité vers l'avant pour les systèmes de rétroaction neurale non linéaires, qui utilise des enveloppes polyédriques et une programmation linéaire en nombres entiers pour obtenir une sur-approximation sûre avec une amélioration d'un ordre de grandeur par rapport à l'état de l'art.
Cet article présente les Fonctions de Barrière de Contrôle Filtrées (FCBF), un cadre unifié intégrant des filtres de régularisation d'entrée aux Fonctions de Barrière de Contrôle d'Ordre Élevé (HOCBF) pour garantir simultanément la sécurité du système, les limites de commande et la continuité Lipschitz des entrées de contrôle.
Cet article propose un cadre de commande prédictive distribuée pour coordonner des systèmes multi-agents hétérogènes et non linéaires sous contraintes, où la tâche coopérative émerge des interactions optimisées des agents plutôt que d'être prédéfinie, tout en garantissant la stabilité et la faisabilité récursive.
Cet article propose S2S-ZEST, un cadre de transfert de style émotionnel speech-to-speech sans texte et non parallèle qui permet de transférer les émotions d'une parole de référence à une parole source tout en préservant l'identité du locuteur et le contenu sémantique.
Cet article propose une stratégie hybride de contrôle et d'estimation pour les rendez-vous autonomes, qui utilise l'apprentissage actif pour optimiser les manœuvres initiales et améliorer l'observabilité dans la détermination orbitale relative basée uniquement sur des mesures angulaires, permettant ainsi une estimation précise de l'état initial et une exécution fiable du rendez-vous.
Cet article propose l'algorithme TI-DANSE+, une amélioration de TI-DANSE qui accélère la convergence de l'estimation de signal dans les réseaux de capteurs acoustiques sans fil en exploitant les sommes partielles des voisins et une stratégie d'élagage d'arbre, tout en conservant la robustesse aux pannes de liens et en réduisant la bande passante de communication.
Cet article propose une méthode d'approximation par horizon fini pour les équilibres de Nash en boucle fermée dans les jeux linéaires-quadratiques à horizon infini, en établissant des conditions d'unicité, un algorithme de calcul efficace et des garanties de convergence avec une borne explicite sur l'erreur de coût.
Ce papier présente Human-CLAP, un modèle préentraîné par contraste texte-audio optimisé sur des évaluations subjectives humaines, qui améliore significativement la corrélation entre les scores d'évaluation automatique et le jugement humain par rapport aux méthodes CLAP conventionnelles.
Cet article présente la validation matérielle du contrôle de pente angulaire pour les convertisseurs DC/AC formant le réseau, démontrant expérimentalement sa capacité à réguler la fréquence et à assurer le partage de la puissance tout en résolvant les défis d'implémentation liés à la discrétisation et à la dérive d'horloge.
Cet article propose un cadre POMDP pour optimiser le suivi à distance d'une source Markovienne par des capteurs hétérogènes à précision dépendante de l'état, en développant des algorithmes d'approximation (RVIA et IPA) qui surpassent les méthodes de base tout en révélant une structure de commutation de la politique optimale.
Cette étude propose un paradigme systématique pour comparer la compréhension de la parole en multilingue chez les humains et les machines, révélant que si les modèles de langage surpassent les humains dans des conditions acoustiques propres, ils peinent à imiter la capacité humaine d'attention sélective dans des scènes complexes, contrairement aux humains dont la performance dépend fortement de la langue maternelle.
Cette étude évalue de manière exhaustive 17 systèmes d'incorporation de parole préentraînés sur six jeux de données hétérogènes pour la détection de la dysarthrie, révélant des variations significatives des performances selon les jeux de données et des difficultés de généralisation inter-jeux qui soulèvent des questions sur la validité clinique des modèles entraînés et testés sur les mêmes données.
Ce papier propose un récepteur neuronal basé sur l'attention axiale qui améliore considérablement l'efficacité computationnelle tout en maintenant des performances de taux d'erreur de bloc (BLER) supérieures aux méthodes existantes pour les systèmes de communication sans fil.
Cet article propose un cadre de vérification de locuteur robuste basé sur un mélange d'experts conditionné par le bruit, qui décompose l'espace des caractéristiques en sous-espaces spécialisés via un routage automatique, une spécialisation d'experts universels et un apprentissage par curriculum à SNR décroissant pour améliorer la généralisation dans des conditions bruyantes.
Cet article propose l'algorithme IMAS, qui résout le problème de sélection conjointe d'agents de détection et de synthèse de politiques de perception active dans les Dec-POMDP en exploitant les propriétés de sous-modularité des objectifs informationnels pour garantir une performance de .