1558 पेपर
यह शोध पत्र रिसोर्स-एलिमेंट एनर्जी डिफरेंस (REED) को प्रस्तुत करता है, जो ओवर-द-एयर फेडरेटेड लर्निंग के लिए एक नॉनकोहेरेंट एग्रीगेशन प्रिमिटिव है जो हस्ताक्षरित अपडेट्स को ऑर्थोगोनल रिसोर्स एलिमेंट्स में मैप करके इंस्टेंटेनियस चैनल स्टेट इंफॉर्मेशन की आवश्यकता को समाप्त करता है, जिससे डेटा विषमता के तहत सिद्ध अभिसरण दरों और सुदृढ़ प्रदर्शन के साथ निष्पक्ष एग्रीगेशन प्राप्त होता है।
यह शोध पत्र फुल-डुप्लेक्स सेल-फ्री मैसिव MIMO सिस्टम के लिए एक पूर्णतः वितरित ओवर-द-एयर बीमफॉर्मिंग डिज़ाइन प्रस्तावित करता है जो पायलट-डोमेन प्रोजेक्शन तकनीक और बेस्ट-रिस्पॉन्स अपडेट्स के माध्यम से पायलट संदूषण (पायलट कंटैमिनेशन) और हस्तक्षेप को कम करता है, जिससे मौजूदा विधियों की तुलना में तेज़ अभिसरण (कन्वर्जेंस) और उच्च सम रेट प्राप्त होता है।
यह शोध पत्र इस बात की जांच करता है कि कैसे एक संचालित डफिंग रिंग (driven Duffing ring) एक चक्र ग्राफ (cycle graph) पर रैखिक छंटनी (linear sorting) और सममिति-प्रतिबंधित उपक्रम-मिश्रण (symmetry-constrained cubic mode-mixing) का उपयोग करके एक एकल अवलोकन योग्य के माध्यम से इनपुट आकृतियों को अलग करती है, जो अपव्यय (dissipation) द्वारा समय-प्रतिवर्ती सममिति (time-reversal symmetry) के टूटने के कारण शोर के प्रति सुदृढ़ रहती है।
यह शोध पत्र इस बात की जांच करता है कि सिंगल-चैनल स्पीकर दूरी का अनुमान (speaker distance estimation) रूम इम्पल्स रिस्पॉन्स के विभिन्न घटकों पर किस प्रकार निर्भर करता है, जो यह प्रकट करता है कि जहाँ अनकैलिब्रेटेड परिदृश्यों में प्रारंभिक परावर्तन (early reflections) सबसे अधिक सूचनात्मक संकेत होते हैं, वहीं टाइम कैलिब्रेशन मॉडल को केवल प्रोपेगेशन डिले (propagation delay) पर निर्भर रहकर सेंटीमीटर-स्तर की सटीकता प्राप्त करने की अनुमति देता है।
यह शोध पत्र एक पूर्णतः ट्यूनेबल, अल्ट्रा-लो पावर, नौ-ट्रांजिस्टर CMOS करंट-मोड मेमोरी सेल प्रस्तुत करता है जो सुदृढ़ द्वि-स्थिर स्विचिंग (बाइस्टेबल स्विचिंग) को सक्षम करता है और न्यूरोमॉर्फिक कंप्यूटिंग में एसिंक्रोनस स्पाइक-आधारित लॉजिक गेट्स और शोर-प्रतिरोधी रिकरेंट यूनिट्स के लिए एक बहुमुखी प्रिमिटिव के रूप में कार्य करता है।
यह लेख एक शास्त्रीय एल्गोरिदम प्रस्तुत करता है जिसका रनटाइम बहुपद (polynomial) है, जो यह तय करने के लिए एक आवश्यक और पर्याप्त स्थिति प्रदान करता है कि क्या दिए गए बहुचर लॉरेंट बहुपदों (multivariate Laurent polynomials) के एक जोड़े को मल्टीवेरिएट क्वांटम सिग्नल प्रोसेसिंग (M-QSP) के माध्यम से कार्यान्वित किया जा सकता है और साथ ही आवश्यक मापदंडों को रचनात्मक रूप से निर्धारित करता है।
यह शोध पत्र एक ग्राफ सिग्नल प्रोसेसिंग फ्रेमवर्क प्रस्तावित करता है जो दो-आयामी स्थिर संकेतों को संयुक्त रूप से फ़िल्टर्ड मैट्रिक्स संकेतों के रूप में मॉडल करके उनके अंतर्निहित उत्पाद ग्राफ संरचनाओं को सीखता है, जो एक प्रमाणित रूप से इष्टतम और गणनात्मक रूप से कुशल समाधान प्रदान करता है जो सटीकता और लागत में मौजूदा विधियों से बेहतर है।
यह शोध पत्र ऐरे प्रोसेसिंग के लिए एक सुदृढ़ डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो द्वितीय-क्रम के सांख्यिकी (second-order statistics) की स्थानिक सुदृढ़ता का लाभ उठाकर प्रतिकूल विक्षोभों (adversarial perturbations) के विरुद्ध सुरक्षा सुनिश्चित करने के लिए एक लो-लेटेंसी न्यूरल नेटवर्क क्लासिफायर को सैद्धांतिक रूप से आधारित जनरलाइज्ड लाइकलीहुड रेशियो टेस्ट (GLRT) वैलिडेटर के साथ संयोजित करता है।
MedMamba एक सिद्धांत-आधारित मल्टी-स्केल बायडायरेक्शनल स्टेट स्पेस मॉडल है जो मेडिकल टाइम सीरीज़ क्लासिफिकेशन के लिए ट्रांसफॉर्मर-आधारित विधियों की तुलना में अत्याधुनिक सटीकता और 4.6 गुना तेज़ इन्फरेंस प्राप्त करने के लिए शारीरिक संकेतों (फिजियोलॉजिकल सिग्नल्स) के विशिष्ट इंडक्टिव बायस का लाभ उठाता है।
यह शोध पत्र एक मशीन-लर्निंग पाइपलाइन प्रस्तुत करता है जो लीव-वन-पेशेंट-ग्रुप-आउट क्रॉस-वैलिडेशन के माध्यम से उच्च नैदानिक सटीकता (80% बाइनरी सटीकता, 0.90 AUC) प्राप्त करते हुए, इनपुट डाइमेंशनलिटी को 99% तक कम करके इलेक्ट्रिकल इम्पीडेंस स्पेक्ट्रोस्कोपी का उपयोग करके इन विवो ओरल लीजन्स के वर्गीकरण को अनुकूलित करता है।