163 articoli
Questo studio dimostra sperimentalmente che il fine-tuning specifico del sito per i ricevitori neurali, utilizzando dati reali 5G NR raccolti in diversi scenari, migliora significativamente le prestazioni in termini di tasso di errore e generalizza su diversi hardware e ambienti, colmando il divario tra le precedenti simulazioni e le misurazioni nel mondo reale.
Questo articolo propone l'algoritmo dMWF, una soluzione non iterativa e ottimale per il filtraggio di Wiener multicanale distribuito nelle reti di sensori acustici wireless, che supera i limiti di convergenza e di assunzione delle fonti esistenti consentendo ai nodi di collaborare per stimare segnali vocali specifici anche quando osservano insiemi di sorgenti differenti.
Questo rapporto tecnico presenta un nuovo metodo interpretabile e basato su NI per la stima iniziale dei parametri di modelli trigonometrici su dati non uniformemente campionati, garantendo una convergenza efficace verso il minimo globale anche in presenza di rumore elevato e copertura temporale limitata, con costi computazionali inferiori rispetto al periodogramma di Lomb-Scargle.
Questo studio valuta un radar FMCW-MIMO a basso costo per il monitoraggio non invasivo dei segni vitali, evidenziando un compromesso fondamentale tra l'accuratezza nella stima delle frequenze medie di respirazione e battito cardiaco (ottimali a circa 70 cm con almeno 96 chirp) e la limitata precisione nel rilevamento delle variazioni istantanee e della variabilità.
Questo articolo propone un metodo ibrido assistito da modelli che, integrando una compensazione adattiva all'ambiente al modello di riferimento CI e valutando diverse organizzazioni di immagini ambientali, migliora la previsione delle perdite di percorso in scenari suburbani complessi, raggiungendo un errore quadratico medio di 4,04 dB su dati reali.
Questa lettera propone un framework di addestramento del fascio per comunicazioni near-field basato su banditi lineari e campionamento di Thompson, che riduce l'overhead dei piloti fino al 90% e migliora il guadagno SNR sfruttando un prior Gaussiano correlato e strategie di ricerca adattive per bilanciare esplorazione e sfruttamento.
Questo lavoro presenta un neurone analogico spiking LIF a bassissimo consumo (1,6 fJ/spike) realizzato in tecnologia CMOS a 28 nm, che dimostra la fattibilità di un sistema neuromorfico efficiente dal punto di vista energetico in grado di raggiungere un'accuratezza dell'82,5% sul dataset MNIST.
Questo articolo propone un metodo innovativo di stima dei canali wireless ad alta dimensionalità basato su modelli di diffusione generativi, che combina l'uso di un priore generativo profondo e l'approccio non supervisionato di Stein per ottenere una ricostruzione ad alta fedeltà con una latenza ridotta di un fattore 10 e un sovraccarico di piloti dimezzato rispetto alle tecniche esistenti.
Questo articolo propone metodi di ottimizzazione e apprendimento per rinforzo profondo (DDQN) per allocare potenza e velocità in comunicazioni covert a tasso positivo su canali di Rayleigh, considerando sia la conoscenza non causale che causale dello stato del canale.
Il paper presenta NANOMIND, un framework di co-progettazione hardware-software che ottimizza l'inferenza di modelli multimodali su dispositivi portatili alimentati a batteria suddividendo i modelli in moduli eseguiti su acceleratori eterogenei, ottenendo così un'efficienza energetica superiore e un funzionamento completamente offline.
Questo tutorial introduce i sistemi di antenne a pizzicamento generalizzati, una nuova architettura flessibile che permette la creazione dinamica di punti di radiazione su richiesta tramite diverse guide d'onda, analizzandone i principi fisici, le strategie di progettazione e le prospettive future per le reti wireless di prossima generazione.
Il documento presenta AirCNN, un nuovo paradigma che implementa le reti neurali convoluzionali tramite calcolo analogico over-the-air sfruttando superfici intelligenti riconfigurabili per emulare le operazioni di convoluzione, ottimizzando i parametri di trasmissione e dimostrando, attraverso simulazioni, che l'architettura MISO con più RIS offre prestazioni superiori in diversi scenari di canale.
Questo articolo propone un metodo di diagnosi dei guasti con pochi esempi che utilizza un prototipo digitale bidirezionale e l'apprendimento della multi-periodicità per adattare i modelli virtuali agli asset fisici, superando la dipendenza da grandi quantità di dati etichettati.
Questo studio presenta un sistema automatizzato basato su sensori acustici indossabili e modelli di intelligenza artificiale per la segmentazione e classificazione dei suoni intestinali, che riduce il tempo di annotazione manuale del 70% e offre agli clinici uno strumento diagnostico oggettivo e quantitativo con un'accuratezza superiore al 96%.
Questo articolo presenta un metodo di rilevamento del jamming per le reti 5G basato sulla Convolutional Tsetlin Machine (CTM), che offre un'alternativa efficiente in termini di risorse, interpretabile e adatta all'hardware rispetto alle reti neurali convoluzionali, garantendo prestazioni comparabili con tempi di addestramento ridotti e un minore consumo di memoria su dispositivi edge.
Questo articolo presenta un framework leggero basato su gemello digitale per il tracciamento dei veicoli e la previsione delle collisioni, progettato per l'implementazione su dispositivi edge che utilizza solo il rilevamento degli oggetti e mappe di percorso offline per raggiungere un'accuratezza dell'88% con un basso costo computazionale.
Questo studio propone un modello a imbuto di concetti 3D interpretabile che integra caratteristiche morfologiche ed emodinamiche per classificare gli aneurismi cerebrali con alta accuratezza e trasparenza clinica, superando i limiti dei modelli "black-box".
Il paper presenta MetaSort, un nuovo algoritmo che integra compressione adattiva delle forme d'onda dei potenziali d'azione e classificazione few-shot tramite apprendimento meta-trasferito, dimostrando elevate prestazioni su dati in-vivo e promettendo un'implementazione on-chip a bassissimo consumo energetico.
Questo articolo presenta due nuovi framework evolutivi basati su modelli, denominati NEMO-DE e NEEF-DE, che risolvono il problema della localizzazione multi-sorgente in campo vicino operando direttamente su un modello di segnale a onda sferica continua, senza richiedere dati etichettati, griglie discretizzate o vincoli architetturali specifici.
Questo articolo presenta il progetto e la simulazione di una nuova antenna monopolo curva ottimizzata per radar HF a onde celeste, che attraverso l'ottimizzazione della curvatura e l'uso di una sezione rettilinea raggiunge un guadagno e una larghezza di banda superiori rispetto ai monopoli convenzionali, estendendo con successo il design a un array lineare di 12 elementi per migliorare le prestazioni dei radar oltre l'orizzonte.