1558 पेपर
यह शोध पत्र Bi-LSTM नेटवर्क और ट्रांसफर लर्निंग का उपयोग करने वाले एक डेटा-संचालित ढांचे को प्रस्तुत करता है जो पारंपरिक रेट-इक्वेशन मॉडलों की तुलना में उच्च सटीकता बनाए रखते हुए हाई-स्पीड VCSEL-आधारित PAM-4 ऑप्टिकल इंटरकनेक्ट्स का तेजी से और सटीक रूप से अनुकरण (emulate) करता है, जिससे गणना समय में 20 गुना कमी आती है।
यह शोध पत्र कंडीशनल डिफ्यूजन ट्रांसफॉर्मर (CDiT) का प्रस्ताव करता है, जो एक ज्यामिति-जागरूक (geometry-aware) जनरेटिव फ्रेमवर्क है जो जटिल टेराहर्ट्ज़ क्रॉस फार- और नियर-फील्ड चैनलों के उच्च-निष्ठा (high-fidelity), नियंत्रणीय संश्लेषण को प्राप्त करने के लिए एक हाइब्रिड प्लेनर-स्फेरिकल वेव मॉडल और ट्रांसफॉर्मर-आधारित डिफ्यूजन का लाभ उठाता है, जो मौजूदा मॉडल-आधारित दृष्टिकोणों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र स्पार्स फ्लूइड एंटेना एरेज़ के लिए सैद्धांतिक आधार स्थापित करता है और एक टू-स्टेज FAS-MUSIC एल्गोरिदम का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि निरंतर स्थिति अनुकूलन (continuous position optimization) पारंपरिक ग्रिड-प्रतिबंधित डिजाइनों की तुलना में काफी बेहतर दिशा-आगमन (direction-of-arrival) अनुमान प्रदर्शन प्राप्त करने के लिए शास्त्रीय डिग्री-ऑफ-फ्रीडम सीमाओं को तोड़ता है।
यह शोध पत्र यह स्थापित करता है कि एक फ्लूइड एंटेना सिस्टम में स्थानिक स्वतंत्रता की कोटि (spatial degrees of freedom) पोर्ट संख्या के बजाय इसके एपर्चर आकार द्वारा मौलिक रूप से सीमित होती है, जो एक समतुल्य डिग्री ऑफ फ्रीडम ढांचे के माध्यम से सटीक, क्लोज्ड-फॉर्म आउटेज और क्षमता अभिव्यक्तियों की व्युत्पत्ति को सक्षम बनाता है जो वास्तविक प्रदर्शन को कभी भी कम करके नहीं आंकता है।
यह शोध पत्र सिद्धांत और 5G NR प्रयोगों के माध्यम से यह प्रदर्शित करता है कि रैंडमली स्विच होने वाले रीकॉन्फ़िगेरेबल इंटेलिजेंट सरफेस (RIS) फेजेस को अवसरवादी प्रोपोर्शनल फेयर शेड्यूलिंग के साथ संयोजित करने से, बिना किसी स्पष्ट चैनल स्टेट इंफॉर्मेशन या समन्वय ओवरहेड की आवश्यकता के, अनुकूलित RIS डिजाइनों के समान प्रदर्शन प्राप्त होता है।
यह शोध पत्र ADOPT को प्रस्तुत करता है, जो ओरिएंटेड टू-डायमेंशनल एनालिटिक सिग्नल्स और फिजिकल वेव मॉडलिंग पर आधारित एक गणनात्मक रूप से कुशल विधि है, जो आवधिक सतह बनावट (पीरियडिक सरफेस टेक्सचर) से इन-प्लेन वेव विस्थापन को सटीक रूप से ट्रैक करने के लिए, उच्च सिग्नल-टू-नॉइज़ परिदृश्यों और छोटे विस्थापनों के लिए अत्याधुनिक डिजिटल इमेज कोरिलेशन तकनीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र प्रेडिक्टिव एंट्रॉपी मैक्सिमाइजेशन (Predictive Entropy Maximization) को प्रस्तुत करता है, जो ब्लाइंड सोर्स सेपरेशन के लिए एक जैविक रूप से सुसंगत ऑनलाइन एल्गोरिदम है, जो केवल स्थानीय भार अपडेट (local weight updates), डेंड्रिटिक एरर-ड्रिवन लर्निंग (dendritic error-driven learning) और अनुकूली पार्श्व निषेध (adaptive lateral inhibition) का उपयोग करके संरचित और सहसंबंधित स्रोतों पर प्रतिस्पर्धी प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक अद्वितीय कनवल्शनल न्यूरल नेटवर्क का उपयोग करने वाले लर्निंग-आधारित दृष्टिकोण का प्रस्ताव करता है ताकि कम लागत वाले जायरोस्कोप में पूर्वाग्रह (bias) को कुशलतापूर्वक समाप्त किया जा सके, जो वास्तविक पूर्वाग्रह से बैकग्राउंड शोर को प्रभावी ढंग से अलग करके पारंपरिक विश्लेषणात्मक विधियों की तुलना में परिचालन समय को काफी कम कर देता है।
यह शोधपत्र एजेंटों की अंतःक्रियाओं के लिए टोपोलॉजी-निर्भर व्यंजक (topology-dependent expressions) व्युत्पन्न करके, प्रभावशाली एजेंटों को रैंक करने के लिए एक एल्गोरिदम प्रस्तावित करके, और अवलोकनात्मक डेटा से मॉडल मापदंडों को सीखने की एक विधि विकसित करके सामाजिक शिक्षण नेटवर्क के भीतर कारण प्रभावों (causal influences) की जांच करता है।
यह अध्ययन एक अत्यंत हल्का, व्याख्यात्मक (explainable) डीप लर्निंग मॉडल पेश करता है जो स्प्रेडिंग डिपोलराइजेशन का वास्तविक समय में, सटीक पता लगाने के लिए गैर-आक्रामक ईईजी (EEG) डेटा को स्पेक्ट्रोग्राम छवियों और टेम्पोरल पावर वेक्टर्स में परिवर्तित करता है, जो गति में पारंपरिक तरीकों से काफी बेहतर प्रदर्शन करता है और लचीले, कम-घनत्व वाले इलेक्ट्रोड सेटअप के साथ मस्तिष्क की चोट के प्रारंभिक निदान को सक्षम बनाता है।