262 articoli
Questo articolo fornisce un'analisi statistica completa del fenomeno "Einstein dal rumore", dimostrando matematicamente come l'allineamento e la media di osservazioni puramente rumorose su un modello di riferimento portino inevitabilmente a ricostruire la struttura del modello stesso, rivelando così un grave pregiudizio metodologico nelle tecniche di matching di template.
Questo lavoro propone una tecnica di compressione delle immagini basata sulla sintesi di nuove viste per abilitare il feedback visivo in tempo reale nel controllo remoto di veicoli sottomarini, superando i limiti di larghezza di banda delle comunicazioni acustiche grazie all'uso di modelli di apprendimento automatico e ottimizzazione tramite discesa del gradiente.
Questo articolo propone un metodo di controllo robusto che, formulando come programma semidefinito convesso l'obiettivo di rallentare gli spostamenti distribuzionali nei parametri dei modelli approssimanti, garantisce la coerenza tra il sistema in anello chiuso e i dati di apprendimento, risolvendo efficacemente problemi di scheduling del guadagno in sistemi non lineari.
Questo articolo propone tre strategie di comunicazione MIMO assistita da cache (min-G, Grouping e Phantom) per configurazioni asimmetriche, che ottimizzano dinamicamente le risorse spaziali e il numero di utenti per massimizzare i gradi di libertà (DoF) raggiungibili.
Il documento propone un nuovo framework di comunicazione semantica adattiva che, sfruttando l'entropia e lo stato del canale per regolare dinamicamente il tasso di trasmissione e integrando un modello linguistico multimodale (MLLM) per compensare le informazioni perse, ottimizza l'efficienza delle risorse e le prestazioni del compito su canali MIMO Rayleigh.
Il paper propone un nuovo algoritmo per l'analisi della raggiungibilità in avanti dei sistemi di feedback neurale non lineari, che genera enclosures poliedriche strette e le codifica in un programma lineare intero-misto (MILP) per ottenere un'approssimazione superiore sicura, dimostrando un miglioramento di un ordine di grandezza rispetto allo stato dell'arte.
Questo articolo introduce i Filtri di Funzioni di Barriera di Controllo (FCBF), un quadro teorico che integra filtri dinamici di regolarizzazione negli HOCBF all'interno di un programma quadratico per garantire simultaneamente la sicurezza del sistema, i vincoli di controllo e la continuità Lipschitziana degli ingressi, eliminando così le variazioni brusche tipiche dei metodi esistenti.
Il documento propone un framework di controllo predittivo distribuito per coordinare sistemi multi-agente eterogenei e non lineari, garantendo stabilità e ricorsività mentre la soluzione cooperativa emerge dinamicamente dalle interazioni ottimizzate tra gli agenti.
Il paper propone S2S-ZEST, un framework zero-shot per il trasferimento dello stile emotivo da voce a voce in contesti privi di testo e non paralleli, che preserva contenuto e identità del parlante mentre imita l'emozione di riferimento, dimostrando prestazioni superiori rispetto ai metodi precedenti e un'utilità per l'aumento dei dati nei compiti di riconoscimento emotivo.
Questo lavoro propone una strategia ibrida di stima e controllo per il rendezvous autonomo che utilizza l'apprendimento attivo per progettare input di controllo ottimizzati, migliorando l'osservabilità nella determinazione orbitale relativa iniziale basata solo su misure angolari e permettendo una transizione efficace verso un filtro di Kalman esteso e un controlore predittivo per completare la manovra.
Questo articolo propone l'algoritmo TI-DANSE+, un metodo migliorato per la stima distribuita dei segnali nelle reti di sensori acustici wireless che supera i limiti di convergenza lenta del TI-DANSE originale sfruttando somme parziali e strategie di potatura degli alberi, garantendo al contempo una velocità di convergenza paragonabile all'algoritmo DANSE classico e un risparmio di larghezza di banda.
Questo articolo propone e analizza un metodo di approssimazione a orizzonte finito per gli equilibri di Nash in feedback nei giochi lineari quadratici a orizzonte infinito, fornendo condizioni di unicità, un algoritmo efficiente e garanzie teoriche sulla convergenza del costo.
Il paper introduce Human-CLAP, un modello di pre-addestramento contrasto linguaggio-audio basato sulla percezione umana che, addestrato su valutazioni soggettive, supera significativamente il CLAP tradizionale migliorando la correlazione tra i punteggi di similarità e le valutazioni umane.
Questo articolo presenta la validazione hardware del controllo di droop angolare per convertitori DC/AC grid-forming, dimostrando attraverso esperimenti la sua capacità di regolare esattamente la frequenza, sincronizzare più convertitori e gestire scenari di avvio a freddo, pur affrontando le sfide pratiche di discretizzazione e deriva dell'orologio.
Questo articolo propone un framework POMDP per il tracciamento remoto in tempo reale di sorgenti Markoviane tramite sensori eterogenei con accuratezza dipendente dallo stato, sviluppando algoritmi di approssimazione (RVIA e IPA) che superano le basi a bassa complessità e rivelano una struttura di politica di tipo commutativo per ottimizzare il compromesso tra distorsione e costi di trasmissione.
Questo studio propone un paradigma sistematico per confrontare umani e macchine nella comprensione del parlato multilingue, rivelando che mentre gli esseri umani mostrano un'attenzione selettiva superiore nella loro lingua madre, i modelli linguistici basati sull'audio superano le prestazioni umane in condizioni di parlato pulito ma faticano a gestire scenari con voci sovrapposte.
Questo studio valuta 17 sistemi di embedding vocale preaddestrati su sei dataset eterogenei per la rilevazione della disartria, rivelando significative variazioni nelle prestazioni intra-dataset e una ridotta generalizzazione cross-dataset che solleva dubbi sulla validità clinica dei modelli addestrati e testati sugli stessi dati.
Il paper propone un ricevitore neurale basato su un trasformatore con attenzione auto-assiale che, riducendo la complessità computazionale da a , ottiene prestazioni superiori in termini di tasso di errore di blocco rispetto alle architetture esistenti in scenari wireless non in linea di vista.
Questo articolo presenta un framework di esperti misti condizionati dal rumore che migliora la verifica robusta del parlante suddividendo lo spazio delle caratteristiche in sottospazi specializzati per diverse condizioni di rumore, utilizzando un meccanismo di instradamento, una strategia di specializzazione e un protocollo di apprendimento curriculare.
Il paper presenta IMAS, un algoritmo che risolve il problema della selezione congiunta degli agenti sensoriali e della sintesi di politiche di percezione attiva in Dec-POMDP, garantendo un'approssimazione ottimale sfruttando la sottomodularità degli obiettivi basati sull'informazione reciproca.