157 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.
Il paper propone SPDIM, un nuovo framework di apprendimento geometrico efficiente in parametri che risolve il problema dell'adattamento di dominio senza sorgente (SFUDA) nei segnali EEG, superando i limiti dei metodi precedenti nell'affrontare sia lo spostamento condizionale che quello delle etichette (label shift) attraverso l'ottimizzazione su varietà Riemanniane.
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.
Questo lavoro sviluppa un modello di rumore gaussiano a banda larga per le distorsioni non lineari negli amplificatori ottici a semiconduttore, fornendo un'espressione chiusa per il rapporto rumore-segnale che risulta accurata (errore < 0,1 dB) per prodotti banda-tempo di recupero superiori a 100 e che tiene conto dell'effetto della compressione del guadagno.
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.
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 propone una nuova architettura di metasuperfici intelligenti impilate (SIM) spaziotemporali casuali per la connettività downlink massiva, che integra variazioni temporali artificiali per sfruttare la diversità multiutente e riduce l'overhead di feedback tramite uno schema di beamforming basato su informazioni parziali dello stato del canale.
Il paper propone un'architettura a piastrelle per il beamforming digitale efficiente in termini computazionali per radar MIMO massicci a banda larga, che combina la riduzione della dimensionalità nello spazio delle onde e un addestramento coordinato dei beamformer MVDR su otto piastrelle per sopprimere efficacemente le interferenze in un sistema radar aereo da 1024 elementi.
Lo studio conclude che, sebbene il metodo MLD-BFM basato su descrittori spaziali abbia ottenuto le migliori prestazioni nella decodifica del movimento di cinque dita, il suo vantaggio rispetto alle tradizionali caratteristiche temporali non è statisticamente significativo, suggerendo che le registrazioni ad alta densità codificano già informazioni spaziali sufficienti attraverso descrittori basati sull'ampiezza.
Questo studio presenta un approccio innovativo basato su un'architettura Transformer con collo di bottiglia che, integrando blocchi convoluzionali e un meccanismo di attenzione multi-testa, supera i metodi esistenti nella previsione non intrusiva del punteggio STOI, ottenendo una maggiore correlazione e un errore quadratico medio inferiore sia in scenari noti che inediti.
Questo articolo introduce il problema del tour ottimale per stazioni base mobili (MOT) nelle reti IoT su vasta area, dimostrando la sua complessità NP-completa e proponendo un'euristica greedy polinomiale che, superando gli approcci esistenti, garantisce la raccolta completa dei dati con costi ridotti e tempi di esecuzione più rapidi.
Questo studio propone un nuovo metodo basato sull'identificazione di sistemi dinamici non lineari per rilevare e caratterizzare l'accoppiamento fase-ampiezza, superando i limiti di sensibilità al filtro e di accoppiamenti spurii tipici delle tecniche esistenti grazie a un modello generativo robusto al rumore e interpretabile.
Il documento presenta un servizio di audit cross-layer e consapevole delle politiche per l'analisi dei meccanismi di tiering e throttling di Starlink, dimostrando come l'allineamento tra telemetria del terminale e sonde lato host permetta di identificare distinti regimi operativi (pre-quota, post-quota e residenziale) tramite firme uniche nella buona velocità, nel RTT e in un rapporto interno-utente, senza richiedere visibilità da parte dell'operatore.
Questo articolo presenta GF-BiLSTM, un modello di fusione profonda che sfrutta sia l'ampiezza che la fase delle informazioni sullo stato del canale Wi-Fi per migliorare significativamente il riconoscimento delle attività robotiche e la robustezza rispetto alla velocità, colmando la lacuna delle ricerche precedenti che si basavano principalmente sull'ampiezza.
Questo lavoro presenta un approccio basato sui dati per la previsione probabilistica del fattore di isteresi nelle batterie con anodi in silicio-grafite, utilizzando un framework di armonizzazione dei dati e modelli di apprendimento statistico e profondo per migliorare l'affidabilità della stima dello stato di carica (SoC) considerando incertezze ed efficienza computazionale.
Il paper propone il framework LAD-CKM, che utilizza un campo di radianza RF dinamico e una rete dedicata per costruire mappe di conoscenza del canale agnostiche alla posizione in scenari dinamici, migliorando significativamente la previsione del CSI e il tasso di dati effettivo rispetto alle soluzioni esistenti.
Questo articolo propone un progetto ibrido a due stadi per trasmettitori e ricevitori in sistemi MIMO THz multi-utente con ADC a bassa risoluzione, che utilizza un'architettura parzialmente connessa e poche linee a ritardo temporale reale per mitigare l'effetto "dual-wideband" e migliorare l'efficienza spettrale del 13% rispetto alle tecniche esistenti.
Questo lavoro introduce il framework RDFC per la computazione distribuita randomizzata, dimostrando come la comunicazione semantica possa garantire privacy locale e ridurre drasticamente il tasso di trasmissione rispetto ai metodi tradizionali, anche in assenza di casualità condivisa.
Il paper presenta un predittore di routing basato sulla decomposizione a basso rango della matrice del traffico, che, pur non utilizzando dati in tempo reale, raggiunge prestazioni quasi equivalenti con un eccesso di tempo di viaggio medio inferiore a 1,5 minuti sulla rete stradale di Seoul.
Questo articolo presenta un generatore di dataset di riferimento ispirato agli standard IEEE per la valutazione della ricognizione passiva nelle comunicazioni delle smart grid, che simula osservatori ostili privi di trasmissione ma capaci di alterare la propagazione del segnale attraverso effetti di ombreggiatura e multipath, fornendo così dati realistici per testare rilevatori federati basati su grafi temporali.