1558 पेपर
यह शोधपत्र उन डिस्क्रीट मेमोरीलेस चैनलों के लिए वास्तविक चैनल मापदंडों और क्षमता-प्राप्त इनपुट वितरण को संयुक्त रूप से अनुमानित करने के लिए ब्लाहुट-अरिमोटो अनुकूलन स्थितियों पर आधारित दो कुशल एल्गोरिदम प्रस्तावित करता है जहाँ ट्रांसमीटर म्यूचुअल इंफॉर्मेशन को अनुकूलित करता है, जो उस बाधा की उपेक्षा करने वाले सरल मैक्सिमम-लाइक्लीहुड दृष्टिकोणों पर अपनी श्रेष्ठता प्रदर्शित करता है।
यह शोध पत्र एक बायज़ेंटाइन-प्रतिरोधी (Byzantine-resilient) फेडरेटेड कॉन्फॉर्मल प्रेडिक्शन पद्धति प्रस्तावित करता है जो प्रशिक्षण और अंशांकन (calibration) दोनों चरणों को सुरक्षित करने के लिए आंशिक मॉडल साझाकरण का उपयोग करता है, जिससे कड़े प्रेडिक्शन अंतराल और कम संचार ओवरहेड के साथ सुदृढ़ अनिश्चितता परिमाणीकरण प्राप्त होता है।
यह शोध पत्र बिन लेटेंट ट्रांसफॉर्मर (BiLT) ऑटोएनकोडर का परिचय देता है, जो एक शिफ्ट-इनवेरिएंट डीप लर्निंग मॉडल है जो स्पेक्ट्रोमीटर कैलिब्रेशन ड्रिफ्ट और हार्डवेयर विविधताओं के बावजूद घटक अवशोषण और प्रकीर्णन गुणांकों को पुनः प्राप्त करने में उच्च सटीकता बनाए रखते हुए, टर्बिड मीडिया के सुदृढ़, कैलिब्रेशन-मुक्त स्पेक्ट्रल अनमिक्सिंग को प्राप्त करने के लिए पारंपरिक डेंस एनकोडर्स को क्रॉस-अटेंशन मैकेनिज्म से बदलता है।
यह शोध पत्र SERCOM को प्रस्तुत करता है, जो एक नवीन स्थानिक शक्ति अनुमान विधि (spatial power estimation method) है जो पारंपरिक यूक्लिडियन-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करने के लिए कुशल जेन्सन-ब्रेगमैन लॉगडेट डाइवर्जेंस (Jensen-Bregman LogDet divergence) के माध्यम से हर्मिटियन पॉजिटिव डेफिनिट मैट्रिसेस की रीमानियन ज्यामिति का लाभ उठाता है, विशेष रूप से कम SNR, सीमित स्नैपशॉट्स और सहसंबद्ध स्रोतों वाले चुनौतीपूर्ण परिदृश्यों में।
यह शोध पत्र एक नवीन स्पेक्ट्रल विजन ट्रांसफॉर्मर आर्किटेक्चर प्रस्तावित करता है जो कुशल टोकनाइजेशन और कम जटिलता के लिए स्पेक्ट्रल बेसिस गुणों का लाभ उठाता है, जो सीमित मेडिकल इमेजिंग डेटा पर विभिन्न मॉडलों में कम मापदंडों (पैरामीटर्स) के साथ समान या बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक कम-ओवरहेड वाले मूवेबल एंटीना डिज़ाइन फ्रेमवर्क का प्रस्ताव करता है जो सेल-विशिष्ट दीर्घकालिक कोणीय शक्ति स्पेक्ट्रम सांख्यिकी (long-term angular power spectrum statistics) का उपयोग करके लंबी समयावधि में एंटीना स्थितियों को अनुकूलित करता है, और एक कोवेरिएंस-आइजनवैल्यूज़-बैलेंसिंग (covariance-eigenvalues-balancing) दृष्टिकोण पेश करता है जो इंस्टेंटेनियस CSI-आधारित विधियों के तुलनीय प्रदर्शन प्राप्त करते हुए चैनल अनुमान जटिलता को महत्वपूर्ण रूप से कम करता है।
यह शोध पत्र एक नवीन, वास्तविक दुनिया के डेटासेट को प्रस्तुत करता है जिसे विविध मोबिलिटी परिदृश्यों में व्यावसायिक रूप से तैनात एक 6G नेटवर्क से एकत्र किया गया है, जिसमें हैंडओवर, बीम प्रबंधन और मोबिलिटी प्रक्रियाओं को अनुकूलित करने के उद्देश्य से एआई/एमएल (AI/ML) मॉडल के प्रशिक्षण और मूल्यांकन के लिए वास्तविक डेटा की कमी को दूर करने हेतु अद्वितीय टाइमिंग एडवांस माप शामिल हैं।
यह अध्ययन यह प्रदर्शित करने के लिए कि सिंगल-चैनल EEG डेटा वास्तविक दुनिया के, पोर्टेबल ब्रेन-कंप्यूटर इंटरफेस अनुप्रयोगों के लिए मस्तिष्क की अवस्थाओं को प्रभावी ढंग से वर्गीकृत कर सकता है, लाइटवेट कन्वेन्शनल न्यूरल नेटवर्क्स का उपयोग करके दो क्रॉस-चैनल प्रशिक्षण रणनीतियों का प्रस्ताव देता है और उनका सत्यापन करता है।
यह शोध पत्र मौलिक सिद्धांतों पर पुनर्विचार करके, प्रदर्शन विश्लेषण और संसाधन आवंटन में अत्याधुनिक प्रगति की समीक्षा करके, और इस आशाजनक अगली पीढ़ी की वायरलेस तकनीक के लिए भविष्य की अनुसंधान दिशाओं और चुनौतियों को रेखांकित करके, सेल-फ्री इंटीग्रेटेड सेंसिंग एंड कम्युनिकेशन (CF-ISAC) का एक व्यापक सर्वेक्षण प्रदान करता है।
यह शोध पत्र एक SoC FPGA पर कार्यान्वित एक हार्डवेयर-त्वरित इवेंट-ग्राफ न्यूरल नेटवर्क प्रस्तुत करता है जो टाइम-सीरीज डेटा को स्पार्स इवेंट्स में बदलने के लिए एक आर्टिफिशियल कोक्लिया मॉडल का लाभ उठाता है, जिससे अत्याधुनिक मॉडलों की तुलना में काफी कम पैरामीटर्स और कम्प्यूटेशनल संसाधनों के साथ उच्च-सटीक, कम-विलंबता वाली वर्गीकरण प्राप्त होती है।