1544 पेपर
यह शोध पत्र 6G वायरलेस नेटवर्क के लिए एक सक्रिय, जनरेटिव एआई-सक्षम डिजिटल ट्विन फ्रेमवर्क प्रस्तावित करता है जो संसाधन आवंटन का पूर्वानुमान लगाने और उसे अनुकूलित करने के लिए वास्तविक समय की सिस्टम डायनेमिक्स को सिंक्रोनाइज़ करता है, जिससे रिएक्टिव बेसलाइन्स की तुलना में UAV-सहायता प्राप्त परिदृश्यों में लगभग 69.2% ऊर्जा की बचत होती है।
यह शोध पत्र मल्टी-ट्रायल फंक्शनल अल्ट्रासाउंड डेटा को ब्लाइंड-अनमिक्स करने के लिए कॉन्वोल्यूटिव ब्लॉक-टर्म टेंसर डिकंपोजिशन पर आधारित एक कन्सट्रेंड ऑप्टिमाइज़ेशन फ्रेमवर्क प्रस्तावित करता है, जो लो-रैंक स्थानिक मानचित्रों (spatial maps), न्यूरोनल एक्टिवेशन सिग्नल्स और ट्रायल-विशिष्ट हेमोडायनामिक रिस्पॉन्स फंक्शन्स की एक साथ रिकवरी को सक्षम बनाता है।
यह शोधपत्र AnyECG-Echo प्रस्तुत करता है, जो एक ऐसा ढांचा है जो विविध आबादी में 13 सूक्ष्म-स्तरीय संरचनात्मक हृदय रोग उपप्रकारों का सटीक रूप से पता लगाने के लिए पहनने योग्य सिंगल-लीड ईसीजी (ECG) और इको-रिपोर्ट पर्यवेक्षण का लाभ उठाता है, जो स्केलेबल क्लिनिकल स्क्रीनिंग के लिए उच्च नैदानिक प्रदर्शन और शारीरिक व्याख्यात्मकता प्रदर्शित करता है।
यह शोध पत्र एक नवीन, आर्किटेक्चर-अज्ञेय (architecture-agnostic) ढांचे को प्रस्तुत करता है जो ट्रांसफार्मर अटेंशन फील्ड्स का विश्लेषण करने के लिए प्रॉपर ऑर्थोगोनल डिकंपोजिशन (POD) और मोरलट वेवलेट ट्रांसफॉर्म्स को अनुकूलित करता है, जो परत-निर्भर स्केल संगठन को प्रकट करता है और भाषाई एनोटेशन की आवश्यकता के बिना अटेंशन जटिलता के लिए एक डेटा-संचालित मीट्रिक प्रदान करता है।
यह शोध पत्र SEMIKHORN का प्रस्ताव करता है, जो मल्टी-यूज़र mMIMO सिस्टम में mmWave लोकलाइजेशन के लिए एक सेमी-सुपरवाइज्ड चैनल चार्टिंग फ्रेमवर्क है, जो स्थानीय चैनल स्टेट इंफॉर्मेशन डिसिमिलैरिटीज (dissimilarities) को फ्यूज करने के लिए ग्लोबली बैलेंस्ड t-SNEkhorn एल्गोरिदम का उपयोग करता है, जिससे 15% से कम लेबल किए गए डेटा के साथ 6.86% की माध्य लोकलाइजेशन त्रुटि प्राप्त होती है।
यह शोध पत्र आंशिक रूप से जुड़े हुए (पार्शियली कनेक्टेड) ड्यूल-वाइडबैंड टेराहर्ट्ज़ MU-MIMO सिस्टम के लिए दो एफाइन प्रीकोडिंग-आधारित सिस्टम मॉडल प्रस्तावित करता है और सुपरइम्पोज़्ड पायलटों का उपयोग करके चैनल गुणांकों का अनुमान लगाने और स्पर्सिटी संरचनाओं को सीखने के साथ-साथ मजबूत, उच्च-परिशुद्धता चैनल अनुमान प्राप्त करने के लिए एक वेरिएशनल बायेसियन इन्फरेंस एल्गोरिदम विकसित करता है।
यह शोध पत्र एक डीप लर्निंग-आधारित फ्रेमवर्क प्रस्तावित करता है जो प्री-स्टीयरिंग रणनीति और एरर-ऑगमेंटेड ट्रेनिंग के साथ कनवल्शनल न्यूरल नेटवर्क का उपयोग करता है ताकि एडेप्टिव बीमफॉर्मिंग के लिए मजबूत स्पार्स ऐरे कॉन्फ़िगरेशन को तेजी से डिज़ाइन किया जा सके, जिससे बिना पुन: प्रशिक्षण (रिट्रेनिंग) के गतिशील स्रोत और हस्तक्षेप कोणों में उच्च सिग्नल-टू-इंटरफेरेंस-प्लस-नॉइज़ अनुपात प्राप्त किया जा सके।
यह शोध पत्र एक ऐसे डीप लर्निंग फ्रेमवर्क का प्रस्ताव करता है जो व्यापक कोणीय क्षेत्रों में एडेप्टिव बीमफॉर्मिंग के लिए स्पार्स एरे रीकॉन्फ़िगरेबिलिटी को अनुकूलित करता है, जिससे मजबूत, रीयल-टाइम कॉग्निटिव सेंसिंग और इंटरफेरेंस मिटिगेशन को सक्षम करने के लिए उच्च वर्गीकरण सटीकता और न्यूनतम SINR विचलन प्राप्त होता है।
यह शोध पत्र एक कम-जटिलता वाले, स्ट्राइप-आधारित पुनर्गठनीय इंटेलिजेंट सरफेस (RIS) अनुकूलन ढांचे का प्रस्ताव करता है जो कम-ऊंचाई वाले वायरलेस नेटवर्क के लिए, संरचनात्मक चरण प्रवणता (structural phase gradients) का लाभ उठाकर कम्प्यूटेशनल खोज स्थान को कम करने के माध्यम से, यूएवी (UAV) संचार विश्वसनीयता को बढ़ाता है और निष्क्रिय संवेदन (passive sensing) को सक्षम करता है, जिसकी प्रभावशीलता को सिमुलेशन और वास्तविक दुनिया के आउटडोर प्रयोगों दोनों के माध्यम से मान्य किया गया है।
यह शोध पत्र एक ज्यामितीय समय-डोमेन विधि प्रस्तुत करता है जो तरंगों (waveforms) को यूक्लिडियन सिग्नल स्पेस में प्रक्षेप पथों के रूप में व्याख्यायित करके, टर्मिनल वोल्टेज और करंट मापन से थ्री-फेज लोड समकक्षों की पहचान करता है, जो मल्टी-वायर सिस्टम तक एकल-फेज सूत्रीकरण का विस्तार करता है और निष्क्रियता बाधाओं (passivity constraints) को शामिल करते हुए स्पष्ट पहचान क्षमता परीक्षणों के माध्यम से डेटा अपर्याप्तता को मजबूती से संभालता है।