1562 पेपर
यह शोध पत्र एक भौतिकी-जागरूक (physics-aware) लार्ज लैंग्वेज मॉडल (LLM) फ्रेमवर्क प्रस्तावित करता है जो उच्च-गतिशीलता वाले 6G OTFS सिस्टम में श्रेष्ठ चैनल स्टेट इंफॉर्मेशन प्रेडिक्शन प्राप्त करने के लिए ऐतिहासिक चैनल अवलोकनों के साथ गतिशीलता-संबंधित भौतिक डिस्क्रिप्टर्स को एकीकृत करता है, जो शास्त्रीय डीप लर्निंग और मानक LLM-आधारित दृष्टिकोणों दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र संयुक्त संचार और सक्रिय निगरानी के लिए एक नवीन सेल-फ्री मैसिव MIMO फ्रेमवर्क प्रस्तावित करता है जो वैध उपयोगकर्ताओं के लिए गुणवत्ता-दर-सेवा (QoS) की गारंटी देते हुए निगरानी सफलता की संभावना को अधिकतम करने के लिए एक गतिशील एक्सेस पॉइंट मोड असाइनमेंट रणनीति का उपयोग करता है, जो पारंपरिक बेसलाइनों की तुलना में महत्वपूर्ण प्रदर्शन लाभ प्रदर्शित करता है।
यह शोध पत्र उच्च-प्रदर्शन वाली न्यूरल कंप्यूटेशन के लिए नॉनलीनियर एनालॉग प्रोसेसिंग और ट्रेन करने योग्य मल्टी-हॉप प्रोपेगेशन को सक्षम करके, इंटीग्रेटेड एक्टिवेशन लेयर्स के साथ स्टैक्ड इंटेलिजेंट मेटासरफेस का उपयोग करने वाले एक रिले-असिस्टेड वायरलेस फिजिकल न्यूरल नेटवर्क आर्किटेक्चर का प्रस्ताव करता है ताकि लीनियर-ओनली इम्प्लीमेंटेशन की एक्सप्रेसिवनेस सीमाओं को दूर किया जा सके।
यह शोध पत्र JAVELIN प्रस्तुत करता है, जो एक नवीन सिंगल-एंकर लोकलाइजेशन फ्रेमवर्क है, जो GNSS-रहित सुरंगों के लिए नियर-फील्ड प्रोपेगेशन मॉडलिंग, एडेप्टिव प्रोसेसिंग और पैसिव रेडियो-रिफ्लेक्टिव रोड मार्किंग्स को संयोजित करता है ताकि पूर्व पर्यावरणीय ज्ञान के बिना सटीक वाहन स्थिति निर्धारण प्राप्त किया जा सके।
यह शोध पत्र LACE-S का प्रस्ताव करता है, जो स्थानीय औसत कार्बन उत्सर्जन के लिए एक न्यूरल रिप्रेजेंटेशन-आधारित मीट्रिक है जो संपूर्ण लोडिंग क्षेत्र में भौतिक वैधता और संवेदनशीलता निरंतरता सुनिश्चित करता है, जिससे स्थानिक लोड शिफ्टिंग रणनीतियों को सक्षम बनाया जा सके जो प्रणाली-व्यापी उत्सर्जन को विरोधाभासी रूप से बढ़ाने के बजाय विश्वसनीय रूप से कम करती हैं।
यह शोधपत्र सिमेंटिक संचार में डीप जॉइंट सोर्स-चैनल कोडिंग की मजबूती को बढ़ाने के लिए हालिया कार्यप्रणालियों का एक संरचित सर्वेक्षण प्रदान करता है, जो मौजूदा दृष्टिकोणों को रोबस्ट ट्रेनिंग और एडेप्टिव रणनीतियों में वर्गीकृत करता है और मल्टी-टास्क जनरलाइजेशन एवं व्याख्यात्मकता जैसे भविष्य के दिशा-निर्देशों को रेखांकित करता है।
यह शोध पत्र RAVEN को प्रस्तुत करता है, जो FMCW रडार धारणा (परसेप्शन) के लिए एक गणनात्मक रूप से कुशल डीप लर्निंग आर्किटेक्चर है, जो पारंपरिक फ्रेम-आधारित पाइपलाइनों की तुलना में विलंबता (लेटेंसी) को काफी कम करने के लिए अर्ली-एग्जिट मैकेनिज्म के साथ चर्प-वार स्ट्रीमिंग पद्धति में कच्चे ADC डेटा को प्रोसेस करता है और मजबूत ऑब्जेक्ट डिटेक्शन एवं सेगमेंटेशन प्रदर्शन प्राप्त करता है।
यह शोध पत्र mm-wave रडार और पॉइंट क्लाउड डेटा का उपयोग करके प्रार्थना ट्रैकिंग के लिए एक गोपनीयता-संरक्षण गतिविधि पहचान ढांचे का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि एक ResNet-आधारित डीप लर्निंग मॉडल 95.4% तक वर्गीकरण सटीकता प्राप्त करता है।
यह शोध पत्र संपीड़ित सेंसिंग (compressed sensing) के लिए एक अनुकूलित, आंशिक रूप से नियतात्मक नमूनाकरण योजना (partially deterministic sampling scheme) प्रस्तावित करता है जो यूनिटरी मैट्रिसेस (unitary matrices) से यादृच्छिक और नियतात्मक पंक्ति चयन को कठोरता से संयोजित करता है, जिससे छवि पुनर्निर्माण के लिए बेहतर अनुभवजन्य प्रदर्शन के साथ-साथ उन्नत नमूना जटिलता (sample complexity) और शोर निवारण गारंटी (denoising guarantees) प्राप्त होती है।
यह शोध पत्र एक नवीन संयुक्त फुलबैंड-सबबैंड मॉडलिंग फ्रेमवर्क प्रस्तुत करता है जो उच्च-रिज़ॉल्यूशन (44.1 kHz) ऑडियो का लाभ उठाकर आवश्यक उच्च-आवृत्ति आर्टिफ़ैक्ट्स और वैश्विक संदर्भ को कैप्चर करके सिंगिंग वॉयस डीपफेक की पहचान करने में पारंपरिक 16 kHz डिटेक्टरों की तुलना में काफी बेहतर प्रदर्शन करता है।