321 articles
CycleULM est un cadre d'apprentissage profond unifié et sans étiquettes qui surpasse les méthodes existantes en améliorant la résolution et la précision de la localisation des microbulles pour la microscopie de localisation par ultrasons, tout en permettant un traitement en temps réel sans nécessiter de données d'entraînement annotées.
Cet article présente une nouvelle architecture d'un convertisseur analogique-numérique flash à 3 bits sans champ magnétique, utilisant des jonctions tunnel magnétiques à couple de spin-orbite (SOT-MTJ) et une technique de commutation bidirectionnelle entre ensembles de conversion et de référence pour éliminer l'étape de réinitialisation, permettant ainsi d'atteindre un taux de conversion de 304,1 MHz avec une consommation de puissance de 476 µW.
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 de synthèse propose une taxonomie structurée des déploiements cellulaires basés sur le cloud pour la 6G, analyse les solutions actuelles et les défis majeurs tels que la sécurité et la scalabilité en s'appuyant sur les stratégies des principaux fournisseurs de cloud, tout en identifiant les tendances émergentes et les obstacles à surmonter pour l'avenir des réseaux mobiles.
Cet article propose un algorithme de consensus dynamique moyen préservant la confidentialité, qui masque les signaux de référence à l'aide de signaux sinusoïdaux pour empêcher l'inférence par des espions externes tout en garantissant la convergence, et démontre son efficacité pratique pour l'équilibrage de l'état de charge dans les systèmes de stockage d'énergie par batteries.
Ce papier présente NanoBench, un nouveau jeu de données open-source et multi-tâches collecté sur un nano-quadrirotor Crazyflie 2.1, qui fournit des signaux de niveau actionneur et un état de référence précis pour faciliter l'identification de systèmes, le contrôle et l'estimation d'état à l'échelle nanométrique.
Cet article de revue examine les défis d'intégration, de gestion énergétique et de compatibilité électromagnétique des émetteurs de localisation d'urgence (ELT) dans le contexte des avions plus électriques, tout en explorant les tendances émergentes pour améliorer la fiabilité et l'efficacité des systèmes de recherche et de sauvetage.
Cet article présente une approche d'apprentissage profond combinant un réseau de neurones convolutifs et un autoencodeur débruiteur pour segmenter avec précision la rétine et détecter les décollements de l'épithélium pigmentaire dans des images OCT à faible coût destinées à l'autosurveillance de la dégénérescence maculaire liée à l'âge.
Cet article propose une méthode d'estimation des taux de défaillance dans les systèmes temps réel à priorité monotone de taux, en modélisant les temps de réponse par un mélange de distributions gaussiennes inverses et en utilisant un algorithme de maximisation de l'espérance adapté pour valider cette approche par simulation.
Cet article présente une méthode novatrice de co-conception qui optimise conjointement la disposition physique et le contrôle d'un système de transport aérien multi-UAV robuste, afin d'améliorer la précision et la capacité de rejet des perturbations lors du transport de charges.
Cet article présente DMaC, un algorithme distribué novateur qui garantit une convergence déterministe et en temps fini vers le consensus de maximum dans des graphes dirigés avec des liens de communication non fiables, en utilisant des canaux de rétroaction étroits pour assurer l'exactitude du calcul et permettre un mécanisme d'arrêt autonome.
Cet article propose une méthode novatrice utilisant des modèles de langage pour générer et faire évoluer des politiques de contrôle interprétables sous forme de programmes Python, offrant une alternative transparente et modifiable aux approches par réseaux de neurones pour des tâches dynamiques complexes comme le balancement d'un pendule ou la gestion d'une balle dans une coupe.
Ce papier présente la méthode hybride 3D-PIUNet, qui améliore la reconstruction des sources cérébrales en EEG en initialisant un réseau de neurones 3D avec une solution physique inverse pour combiner les avantages des approches traditionnelles et de l'apprentissage profond.
Cet article propose une méthode pratique de sélection de phase pour les surfaces intelligentes reconfigurables (RIS) multi-utilisateurs et multi-fréquences, divisant la RIS en sous-surfaces dédiées à chaque utilisateur afin d'obtenir des performances compétitives avec une complexité de calcul réduite et une meilleure robustesse dans des environnements de canal corrélés de type Ricean et Rayleigh.
Cet article propose une revue systématique des méthodes de traitement du signal et d'apprentissage sur les graphes temporellement variables, en comparant leurs approches, leurs avantages et leurs limites pour identifier les défis et les orientations futures de la recherche.
Cet article propose une nouvelle stratégie d'exploration ciblée pour les systèmes linéaires invariants dans le temps soumis à des perturbations non stochastiques à énergie bornée, utilisant un programme semidéfini pour garantir une précision d'estimation des paramètres sans hypothèse sur la distribution des perturbations.
Cette étude démontre que des modèles de suppression de bruit profond, pourtant largement utilisés dans des applications critiques, peuvent être rendus inintelligibles par l'ajout de bruit adversaire psychoacoustiquement masqué, soulignant ainsi la nécessité de contre-mesures avant leur déploiement dans des environnements sûrs.
Cet article propose une approche de contrôle supervisaire modulaire des systèmes à événements discrets, implémentée sur MATLAB et validée sur les réseaux IEEE 30, 118 et 300, afin de réduire la complexité computationnelle et d'améliorer la prédiction et l'atténuation des défaillances en cascade dans les systèmes électriques.
Cet article propose une nouvelle approche de fusion d'images en peu d'exemples qui introduit le concept de priors incomplets et un algorithme de calcul de granules de pixels (GBPC) pour permettre à un réseau de neurones léger d'apprendre des règles de fusion adaptatives sans nécessiter de véritables images de référence.
Cet article propose un cadre déterministe de contrôle basé sur l'appariement de scores et les processus de diffusion pour piloter la densité de probabilité de systèmes non linéaires vers une distribution cible, en transformant la synthèse de commande en la construction d'un processus inverse qui agit comme une loi de rétroaction de débruitage.