eess articles | Gist.Science

Customized Interior-Point Methods Solver for Embedded Real-Time Convex Optimization

Cet article présente un solveur de programmation conique de second ordre (SOCP) personnalisé pour l'optimisation convexe temps réel embarquée, basé sur une méthode de points intérieurs primal-duale avec homogénéisation, capable de traiter directement des fonctions de coût quadratiques sans reformulation et généré automatiquement en code C sans dépendances externes pour surpasser les solveurs existants dans les applications de guidage et de contrôle.

Jae-Il Jang, Chang-Hun LeeThu, 12 Ma⚡ eess

Platform-Aware Channel Knowledge Mapping via Mutual Antenna Pattern Learning in 3D Wireless Links

Cet article propose un cadre novateur modélisant les liens sans fil par un motif d'antenne mutuel dépendant des structures de montage des plateformes, permettant d'estimer les caractéristiques du canal avec une précision accrue et une réduction des erreurs d'estimation du trajet jusqu'à 10 dB par rapport aux modèles traditionnels.

Mushfiqur Rahman, Ismail Guvenc, Jason A. Abrahamson, Arupjyoti BhuyanThu, 12 Ma⚡ eess

Constant-Envelope ISAC via FM-OFDM: Analytical Framework and Receiver Design

Cet article propose un cadre analytique et une architecture de récepteur pour l'ISAC utilisant l'OFDM à modulation de fréquence (FM-OFDM), démontrant que cette solution à enveloppe constante permet d'opérer les amplificateurs de puissance en saturation pour maximiser la portée de détection tout en maintenant une faible erreur de bit et une précision de détection élevées, même dans des canaux fortement dispersifs.

Amir Bouziane, Huseyin ArslanThu, 12 Ma⚡ eess

Deep Unfolding with Approximated Computations for Rapid Optimization

Cet article présente un cadre d'optimisation appris qui combine le déroulement profond et des calculs approximatifs pour réduire la complexité computationnelle de plus de trois ordres de grandeur tout en maintenant des performances de pointe dans des tâches telles que le formation de faisceaux hybride et l'analyse en composantes principales robuste.

Dvir Avrahami, Amit Milstein, Caroline Chaux, Tirza Routtenberg, Nir ShlezingerThu, 12 Ma⚡ eess

Robust Audio-Visual Target Speaker Extraction with Emotion-Aware Multiple Enrollment Fusion

Ce papier propose une méthode robuste d'extraction de locuteur cible audio-visuelle qui, en s'entraînant avec un taux élevé de données manquantes, maintient des performances stables même en cas de perte de modalités lors du test, démontrant notamment l'efficacité de la fusion d'une image de visage avec des caractéristiques labiales.

Zhan Jin, Bang Zeng, Peijun Yang, Jiarong Du, Wei Ju, Yao Tian, Juan Liu, Ming LiThu, 12 Ma⚡ eess

Tensor Train Completion from Fiberwise Observations Along a Single Mode

Cet article propose une méthode rapide et garantie pour compléter des tenseurs de train en utilisant uniquement des opérations d'algèbre linéaire standard, exploitant un schéma d'observation où des fibres entières le long d'un seul mode sont soit totalement observées, soit totalement manquantes.

Shakir Showkat Sofi, Lieven De LathauwerThu, 12 Ma⚡ eess

Reciprocal Beyond-Diagonal Reconfigurable Intelligent Surface (BD-RIS): Scattering Matrix Design via Manifold Optimization

Cet article propose une méthode d'optimisation sur variété pour concevoir des matrices de diffusion réciproques et symétriques dans les surfaces intelligentes reconfigurables au-delà de la diagonale (BD-RIS), permettant de maximiser le débit global tout en garantissant une implémentation physique à faible complexité et surpassant les approches actuelles.

Marko Fidanovski, Iván Alexander Morales Sandoval, Hyeon Seok Rou, Giuseppe Thadeu Freitas de Abreu, Emil BjörnsonThu, 12 Ma⚡ eess

Event-Based Control via Sparsity-Promoting Regularization: A Rollout Approach with Performance Guarantees

Cet article propose une méthode de contrôle basée sur les événements utilisant une régularisation favorisant la parcimonie et un algorithme de déploiement pour équilibrer performance et fréquence d'actuation, tout en garantissant théoriquement la stabilité du système et des performances supérieures à un contrôle périodique.

Shumpei Nishida, Kunihisa OkanoThu, 12 Ma⚡ eess

Formation Control via Rotation Symmetry Constraints

Cet article présente une stratégie de contrôle de formation distribuée pour des systèmes multi-agents qui, en se basant uniquement sur des contraintes de symétrie de rotation et une fonction de potentiel minimale, permet d'atteindre des configurations planaires symétriques tout en assurant des manœuvres coordonnées de translation, de rotation et de mise à l'échelle.

Zamir Martinez, Daniel ZelazoThu, 12 Ma⚡ eess

HyWA: Hypernetwork Weight Adapting Personalized Voice Activity Detection

Le papier propose HyWA, une méthode de détection d'activité vocale personnalisée qui utilise un hyper-réseau pour générer des poids adaptés à un locuteur cible, surpassant les techniques existantes en améliorant la précision moyenne et en facilitant le déploiement grâce à une architecture VAD réutilisable.

Mahsa Ghazvini Nejad, Hamed Jafarzadeh Asl, Amin Edraki, Mohammadreza Sadeghi, Masoud Asgharian, Yuanhao Yu, Vahid Partovi NiaThu, 12 Ma⚡ eess

A Predictive Flexibility Aggregation Method for Low Voltage Distribution System Control

Ce papier propose une méthode de contrôle prédictif et préservant la vie privée pour la gestion des réseaux de distribution basse tension, qui agrège en temps réel la flexibilité résidentielle via une optimisation multiparamétrique décentralisée et des schémas de planification opérationnelle.

Clément Moureau, Thomas Stegen, Mevludin Glavic, Bertrand CornélusseThu, 12 Ma⚡ eess

Analysis and Synthesis of Switched Optimization Algorithms

Ce travail propose une méthode d'analyse et de synthèse d'algorithmes d'optimisation discrets à convergence exponentielle certifiée, robustes aux dynamiques de réseau commutées incluant des retards temporels variables et des canaux instables, en résolvant des inégalités matricielles linéaires via des filtres de Zames-Falb.

Jared Miller, Fabian Jakob, Carsten Scherer, Andrea IannelliThu, 12 Ma⚡ eess

System-Theoretic Analysis of Dynamic Generalized Nash Equilibria -- Turnpikes and Dissipativity

Cet article établit un lien fondamental entre la dissipativité stricte et le phénomène de turnpike dans les équilibres de Nash généralisés dynamiques, en fournissant des conditions pour l'optimalité de l'état stationnaire et en concevant des pénalités terminales assurant la stabilité des trajectoires dans le cadre du contrôle prédictif basé sur la théorie des jeux.

Sophie Hall, Florian Dörfler, Timm FaulwasserThu, 12 Ma⚡ eess

Simplifying Preference Elicitation in Local Energy Markets: Combinatorial Clock Exchange

Ce papier propose un mécanisme de marché local d'énergie combinant l'échange en horloge combinatoire et l'apprentissage automatique pour simplifier l'expression des préférences complexes des prosumers et accélérer la découverte des prix grâce à un format intuitif et transparent.

Shobhit Singhal, Lesia MitridatiThu, 12 Ma⚡ eess

Safe and Optimal Learning from Preferences via Weighted Temporal Logic with Applications in Robotics and Formula 1

Cet article propose une méthode sûre et optimale pour apprendre à partir de préférences humaines en utilisant la logique temporelle pondérée (WSTL), transformant le problème d'apprentissage en un programme linéaire en nombres mixtes grâce à des techniques d'élagage et de transformation logarithmique, et validant son efficacité sur des applications robotiques et en Formule 1.

Ruya Karagulle, Cristian-Ioan Vasile, Necmiye OzayThu, 12 Ma⚡ eess

Design and Quantitative Evaluation of an Embedded EEG Instrumentation Platform for Real-Time SSVEP Decoding

Cet article présente une plateforme embarquée de mesure EEG basée sur un ESP32-S3 et un ADS1299, capable de décoder en temps réel les potentiels évoqués visuels à état stationnaire (SSVEP) avec une intégrité de mesure rigoureusement caractérisée et une précision de décision de 100 % par rapport à une référence 64 bits.

Manh-Dat Nguyen, Thomas Do, Nguyen Thanh Trung Le, Xuan-The Tran, Fred Chang, Chin-Teng LinThu, 12 Ma⚡ eess

Inferring Clinically Relevant Molecular Subtypes of Pancreatic Cancer from Routine Histopathology Using Deep Learning

Le cadre d'apprentissage profond interprétable PanSubNet permet de prédire directement les sous-types moléculaires cliniquement pertinents du cancer du pancréas à partir de lames histologiques standard H&E, offrant ainsi une alternative rapide, peu coûteuse et généralisable aux tests génomiques pour la stratification des patients.

Abdul Rehman Akbar, Alejandro Levya, Ashwini Esnakula, Elshad Hasanov, Anne Noonan, Lingbin Meng, Susan Tsai, Vaibhav Sahai, Midhun Malla, Sarbajit Mukherjee, Upender Manne, Anil Parwani, Wei Chen, Ashish Manne, Muhammad Khalid Khan NiaziThu, 12 Ma⚡ eess

GOUHFI 2.0: A Next-Generation Toolbox for Brain Segmentation and Cortex Parcellation at Ultra-High Field MRI

Le papier présente GOUHFI 2.0, une nouvelle boîte à outils de deep learning optimisée pour l'IRM à très haut champ, qui permet une segmentation cérébrale, une parcellisation corticale et une volumétrie robustes grâce à des réseaux 3D U-Net entraînés sur des données variées.

Marc-Antoine Fortin, Anne Louise Kristoffersen, Paal Erik GoaThu, 12 Ma⚡ eess

LexiSafe: Offline Safe Reinforcement Learning with Lexicographic Safety-Reward Hierarchy

Le papier présente LexiSafe, un cadre d'apprentissage par renforcement hors ligne qui intègre une hiérarchie lexicographique pour garantir la sécurité et améliorer les performances dans les systèmes cyber-physiques, tout en offrant des garanties théoriques de complexité d'échantillonnage.

Hsin-Jung Yang, Zhanhong Jiang, Prajwal Koirala, Qisai Liu, Cody Fleming, Soumik SarkarThu, 12 Ma⚡ eess

ZACH-ViT: Regime-Dependent Inductive Bias in Compact Vision Transformers for Medical Imaging

Ce papier présente ZACH-ViT, un Vision Transformer compact sans embeddings de position ni token [CLS] qui, grâce à un traitement invariant par permutation, démontre des performances compétitives en imagerie médicale à faible échantillonnage en adaptant son biais inductif à la structure spatiale des données.

Athanasios AngelakisThu, 12 Ma⚡ eess

← Précédent Suivant →