381 articles
Cet article propose une approche communautaire pour développer des outils d'intelligence artificielle capables d'analyser les vidéos de caméras corporelles de la police, en intégrant les perspectives de divers acteurs grâce à la collaboration de scientifiques sociaux afin d'améliorer la transparence et la responsabilité gouvernementale.
Cet article propose un système de communication et de détection intégrées (ISAC) assisté par une surface intelligente holographique (HIS) utilisant des antennes à aperture continue, dont la conception est optimisée via un algorithme d'optimisation alternée pour surpasser les performances des systèmes à réseau discret tout en garantissant les exigences de communication.
Cet article propose une politique d'ordonnancement de mise à jour d'état basée sur un processus de décision markovien semi-Markovien pour optimiser l'inférence temps réel à distance sur des réseaux à délai bidirectionnel, en déterminant conjointement la fraîcheur, la longueur et le moment de transmission des paquets afin de réduire considérablement l'erreur d'inférence.
Cet article propose un cadre d'apprentissage distribué appelé DDKL-PT, permettant à des agents d'atteindre un consensus sur un modèle global de dynamique via des réseaux de neurones profonds dans le cadre de l'opérateur de Koopman, sans partager leurs trajectoires d'entraînement privées, tout en garantissant une précision suffisante pour le contrôle prédictif.
Cet article propose une méthode de stabilisation robuste pour des équations aux dérivées partielles hyperboliques linéaires à paramètres saillants de Markov, en combinant la méthode de backstepping avec des opérateurs neuronaux pour approximer les noyaux de contrôle, garantissant ainsi la stabilité exponentielle en moyenne quadratique malgré les incertitudes et les erreurs d'approximation, comme démontré par des simulations sur le contrôle du trafic autoroutier.
Cet article propose un nouveau cadre pour l'estimation de fonctions de répartition cumulées avec garantie de confidentialité différentielle, basé sur des méthodes d'approximation fonctionnelle (projection polynomiale et approximation parcimonieuse) qui surpassent ou égalent les approches existantes tout en étant particulièrement adaptées aux environnements décentralisés et aux flux de données.
Cet article présente la première revue systématique des modèles audio-langage, offrant une couverture complète de leurs architectures, objectifs d'entraînement et paysages de recherche pour guider les développements futurs dans la compréhension des scènes audio complexes.
Le papier présente SHIELD, un cadre de détection de ransomware indépendant de l'hôte qui exploite des caractéristiques profondes du système de fichiers au niveau du contrôleur de stockage pour identifier et arrêter les menaces avec une grande précision et une faible latence, même face à des variantes inconnues.
Cet article présente un capteur métamatériau hexagonal imbriqué compact et à faible profil, conçu pour la caractérisation de haute sensibilité de la permittivité des matériaux dans les bandes S et X, démontrant une sensibilité de 9,55 % et une validation expérimentale cohérente avec les simulations.
Ce papier présente le Geometric SSM, une architecture de modèle d'espace d'état qui contredit l'idée reçue selon laquelle la sélectivité nécessite une dynamique non linéaire en démontrant que des systèmes linéaires invariants dans le temps peuvent atteindre cette sélectivité grâce à des principes de contrôle géométrique, surpassant ainsi Mamba sur des tâches complexes tout en conservant une efficacité de calcul optimale.
Cet article propose un nouvel algorithme d'apprentissage par renforcement multi-agents qui améliore l'efficacité de l'échantillonnage en combinant un critique centralisé décomposé, un apprentissage par ensemble décentralisé guidé par l'exès de kurtosis pour une exploration sélective, et une formation des acteurs mixant des échantillons on-policy et off-policy.
Cet article établit que la semi-contractibilité dans l'espace observable est une condition suffisante pour l'indistinguabilité de structures de réseaux non linéaires à partir de mesures partielles, en démontrant notamment ce phénomène sur des réseaux d'oscillateurs de Kuramoto.
Cet article étudie les limites de l'identification unique de la structure des systèmes linéaires en réseau à partir de mesures partielles, en établissant un lien entre l'espace des réseaux compatibles et le noyau de la matrice d'observabilité, tout en démontrant qu'une observation d'environ 6 % des nœuds permet de classer correctement 99 % des arêtes dans divers modèles aléatoires.
Cet article présente une méthode légère et sans modèle pour la détection en temps réel du patinage et l'estimation du coefficient de friction pneu-chaussée en course autonome, utilisant uniquement des données IMU, LiDAR et de commande, et démontrant une grande précision par rapport aux mesures de référence sur un véhicule de course à l'échelle 1:10.
Ce papier présente CoGuide, une méthode de guidage par diffusion contrastive qui résout des problèmes inverses spatiaux complexes, comme la reconstruction de plans d'étage à partir de trajectoires, en apprenant un espace d'embedding lisse pour pallier l'absence de gradients fiables dans les opérateurs directs non différentiables.
Cet article propose un cadre de gestion des conflits entre xApps dans les réseaux O-RAN, combinant l'apprentissage automatique explicable et l'inférence causale pour identifier les interactions conflictuelles et quantifier leur impact sur les indicateurs de performance clés.
Cet article propose une méthode d'optimisation parcimonieuse multi-période qui identifie de manière proactive les sources de défaillance persistantes responsables des blackouts dans les réseaux électriques, en intégrant des contraintes de persistance et des heuristiques inspirées de la théorie des circuits pour assurer une évolutivité efficace sur de grands systèmes.
Cet article présente et valide expérimentalement un cadre pratique utilisant une matrice conductrice d'amplitude et de phase pour émuler des cibles multiples avec des profils arbitraires, permettant ainsi le test efficace des stations de base ISAC à grande échelle dans des environnements de laboratoire contrôlés.
Cet article propose un cadre de contrôle flou guidé par les sémantiques, couplant des modèles de langage (LLM) et une communication linguistique pour permettre une couverture coopérative robuste et efficace de robots sous-marins dans des environnements incertains et sans GPS.
Cet article propose une conception conjointe de la parcimonie et du précodage pour les systèmes assistés par RDARS, optimisant le taux de somme grâce à des solutions analytiques pour un ou deux utilisateurs et un algorithme d'optimisation alternée pour un nombre arbitraire d'utilisateurs.