163 articoli
Questo lavoro presenta tecniche di elaborazione digitale del segnale a bassa complessità, basate su modellazione non lineare e adattamento della costellazione, che compensano gli effetti Kerr negli uplink satellitari ottici, aumentando la tolleranza alle perdite di collegamento fino a 6 dB e permettendo un'adeguata regolazione del tasso di trasmissione.
Questo articolo propone un framework di ottimizzazione per le forme d'onda OFDM nei sistemi bistatici ISAC che, mediante un'allocazione congiunta di sottoportanti e potenza basata su un nuovo schema di stima, massimizza il tasso di dati di comunicazione garantendo al contempo una precisa accuratezza nella stima dei ritardi di propagazione.
Il documento dimostra che esiste una classe di problemi decisionali in tempo polinomiale con struttura causale intrinseca che, a causa dei limiti dell'informazione e della non duplicabilità del token, non ammette alcuna accelerazione asintotica tramite calcolo parallelo, risultando intrattabili per le famiglie di circuiti NC.
Questo articolo presenta un framework basato sulla geometria stocastica per valutare l'esposizione ai campi elettromagnetici e l'efficienza energetica nelle reti 5G multi-connettività, dimostrando che il processo a punti beta-Ginibre modella più accuratamente le distribuzioni reali delle stazioni base rispetto al processo di Poisson e introducendo la nuova metrica REBT-DL per ottimizzare le strategie di deployment sostenibile.
Questo articolo presenta il primo framework bayesiano per la mappatura ambientale basato sulla fusione di dati monostatici e bistatici in sistemi ISAC, progettato per gestire la diffusione diffusa sulle facciate degli edifici e migliorare precisione, robustezza e convergenza rispetto ai metodi esistenti.
Questo articolo elabora l'argomento della condivisione dello spazio per dimostrare la strettezza del limite di Singleton entropico per la codifica classica assistita da entanglement e stabilisce un nuovo limite stretto per codici in cui l'assistenza è distribuita su un sottoinsieme di encoder con operazioni quantistiche locali.
Questo articolo presenta FedPASS, un nuovo framework per l'apprendimento federato a bassa latenza che sfrutta le antenne a pinza per ottimizzare congiuntamente la pianificazione, la potenza e il posizionamento fisico dei radiatori, riducendo drasticamente la latenza di addestramento rispetto ai sistemi wireless convenzionali.
Il paper propone un framework di apprendimento federato consapevole della coerenza che, sfruttando la sovrapposizione di prodotti e la tecnica di riempimento parziale dei modelli, mitiga gli effetti delle eterogeneità dei collegamenti wireless e delle imperfezioni della CSI per migliorare l'efficienza comunicativa, la latenza e l'accuratezza dell'apprendimento distribuito over-the-air.
Questo articolo presenta l'algoritmo \texttt{SRTS} basato sul campionamento di Thompson per l'ottimizzazione del rapporto di Sharpe in un contesto di banditi stocastici, dimostrando teoricamente che esso raggiunge un rimpianto logaritmico ottimale e superando le prestazioni degli algoritmi esistenti nelle simulazioni empiriche.
Questo lavoro teorizza che l'allucinazione nei modelli linguistici è una conseguenza inevitabile dell'ottimizzazione dello spazio di memoria, dimostrando attraverso un teorema di rate-distorsione che, in condizioni di capacità limitata, la strategia informazionalmente ottimale richiede di assegnare alta confidenza a fatti non veri piuttosto che astenersi o dimenticare.
LWM-Temporal è un nuovo modello fondazionale per le comunicazioni wireless che utilizza un meccanismo di attenzione spaziotemporale sparsa allineata alla propagazione e un preaddestramento auto-supervisionato basato sulla fisica per apprendere rappresentazioni universali dei canali, migliorando significativamente le prestazioni nelle previsioni a lungo termine anche con dati di addestramento limitati.
Questo articolo risolve una congettura ventennale sulla quantizzazione della curvatura di Ricci nella geometria dell'informazione, dimostrando che il valore medio è quantizzato in semi-interi positivi per le reti bayesiane binarie ad albero o complete, ma smentendo l'universalità della congettura tramite controesempi con cicli e generalizzando il risultato alle reti DAG gaussiane con una dicotomia di segno tra curvature positive e negative.
Questo articolo dimostra che il Filtro del Punto di Supporto Epistemico (ESPF) è il filtro ottimale unico che sintetizza il principio di massima entropia di Jaynes nella propagazione e la falsificazione popperiana nell'aggiornamento, minimizzando l'ignoranza epistemica nel caso peggiore senza ricorrere a prior soggettivi, come confermato da validazioni numeriche nel tracciamento orbitale.
Questo articolo caratterizza la frontiera critica in cui l'asintotica del meccanismo di shuffle privacy si discosta dalla normalità, dimostrando che sequenze di randomizzatori locali sempre più concentrati convergono verso limiti sperimentali di tipo Poisson, Skellam e composto-Poisson, completando così una visione a tre regimi (Gaussiano, critico e super-critico) della privacy differenziale shuffle.
Questo articolo propone un approccio di apprendimento per rinforzo che formula il decodifica dei codici QLDPC come un processo decisionale di Markov, risolvendo i problemi di convergenza tipici della decodifica a propagazione delle credenze e ottenendo prestazioni superiori e una maggiore velocità rispetto ai metodi tradizionali.
Questo articolo dimostra come un agente possa apprendere l'ambiente utilizzando una sonda di sensing quantistico ottimizzata tramite circuiti quantistici per interagire con i campi RF, ottenendo risultati di localizzazione superiori che richiedono meno informazioni rispetto alle basi classiche e funzionando anche in presenza di segnali deboli o ostruiti.
Il documento presenta Fly-PRAC, un nuovo schema di recupero dei pacchetti che sfrutta le relazioni algebriche tra pacchetti codificati per correggere gli errori direttamente nei nodi intermedi senza decodifica, superando significativamente le prestazioni e riducendo i ritardi rispetto alle tecniche precedenti come S-PRAC in ambienti rumorosi.
Questo studio propone metodi per selezionare partizioni a due blocchi ottimali che accelerano la convergenza delle catene di Markov verso la stazionarietà, minimizzando la divergenza KL e la distanza di Frobenius attraverso un problema di ottimizzazione combinatoria risolvibile con algoritmi approssimati.
Questo articolo propone una strategia di posizionamento ottimale per antenne mobili nel sensing wireless near-field che, sfruttando una distribuzione simmetrica e un'analisi basata sui momenti, deriva una soluzione chiusa a tre punti che minimizza l'errore di posizione peggiore con complessità computazionale trascurabile, superando le prestazioni delle antenne fisse.
Questo articolo propone un sistema di rilevamento wireless basato su antenne mobili tridimensionali che, ottimizzando la traiettoria dell'antenna per minimizzare l'errore angolare massimo, garantisce prestazioni di stima della direzione superiori e isotrope rispetto alle configurazioni con antenne fisse o a movimento bidimensionale.