381 articoli
Questo articolo propone un approccio all'intelligenza artificiale informato dalla comunità per sviluppare strumenti multidisciplinari che analizzino le interazioni tra polizia e cittadini, integrando le prospettive dei diversi portatori di interesse per migliorare la trasparenza e la responsabilità democratica.
Il documento propone un sistema ISAC assistito da superfici intelligenti olografiche (HISAC) che utilizza array a apertura continua e un algoritmo di ottimizzazione alternata per superare i limiti degli array discreti, ottenendo prestazioni di rilevamento superiori garantendo al contempo i requisiti di comunicazione multi-utente.
Questo lavoro propone una politica di aggiornamento dello stato orientata agli obiettivi per l'inferenza remota in tempo reale su reti con ritardi bidirezionali, formulando il problema come un processo decisionale semi-markoviano che ottimizza dinamicamente la freschezza, la lunghezza e il momento di trasmissione dei pacchetti per ridurre significativamente l'errore di inferenza rispetto alle strategie tradizionali basate sull'età.
Questo articolo propone un framework distribuito chiamato DDKL-PT, che permette a un sistema multi-agente di apprendere collettivamente le dinamiche sconosciute utilizzando traiettorie parziali e reti neurali profonde all'interno del framework dell'operatore di Koopman, scambiando solo stime locali per raggiungere un consenso globale senza condividere dati privati, al fine di abilitare un controllo predittivo basato su modello efficace.
Questo lavoro propone un metodo di controllo robusto per la stabilizzazione di equazioni alle derivate parziali iperboliche lineari con incertezze a salto di Markov, combinando il metodo del backstepping con operatori neurali per approssimare i kernel di controllo e garantendo la stabilità esponenziale in media quadratica attraverso un'analisi di Lyapunov.
Questo articolo presenta un nuovo framework per la stima della funzione di distribuzione cumulativa (CDF) con privacy differenziale, basato su metodi di approssimazione funzionale come la proiezione polinomiale e l'approssimazione sparsa, che offrono prestazioni superiori o comparabili rispetto alle tecniche esistenti e sono particolarmente adatti a contesti decentralizzati e a dati in streaming.
Questo articolo presenta la prima revisione sistematica dei Modelli Audio-Linguistici, offrendo una panoramica completa, una tassonomia unificata e un'analisi del panorama di ricerca per guidare lo sviluppo futuro e le applicazioni pratiche in ambito audio.
Il paper presenta SHIELD, un framework di rilevamento ransomware indipendente dall'host che, analizzando caratteristiche deep del filesystem direttamente a livello di controller di archiviazione, garantisce un rilevamento tamper-proof con un'accuratezza del 97,29% e un blocco rapido delle operazioni dannose prima che vengano crittografati più dello 0,4% dei file.
Questo articolo presenta un sensore metamateriale compatto a nido d'ape annidato che opera nelle bande S e X, offrendo un'elevata sensibilità del 9,55% per la caratterizzazione della permittività dielettrica attraverso risonanze a 3,98 GHz e 11,57 GHz.
Il paper introduce il Geometric SSM, un modello che sfida l'idea che la selettività richieda dinamiche non lineari dimostrando come sistemi LTI basati sulla teoria del controllo geometrico possano riconoscere pattern complessi e superare Mamba mantenendo un'efficienza computazionale elevata.
Questo lavoro propone un nuovo algoritmo di apprendimento per rinforzo multi-agente che migliora l'efficienza del campionamento combinando un critico centralizzato decomposto con un ensemble decentralizzato, utilizzando l'eccesso di curtosi per guidare una esplorazione selettiva e tecniche di apprendimento off-policy ridotte in varianza.
Questo lavoro utilizza la teoria della contrazione per dimostrare che la semicontrazione nello spazio osservabile è una condizione sufficiente affinché diverse strutture di rete, inclusi gli oscillatori di Kuramoto, risultino indistinguibili quando sono disponibili solo misurazioni parziali della dinamica dei nodi.
Questo lavoro analizza i limiti dell'identificazione univoca della topologia di sistemi lineari dinamici di rete a partire da misurazioni parziali, dimostrando come lo spazio delle reti compatibili sia legato al nucleo della matrice di osservabilità e fornendo metriche analitiche per caratterizzare le dissimilarità strutturali e i rischi di errata classificazione degli archi.
Questo articolo presenta un metodo leggero e basato su dati IMU e LiDAR per la rilevazione in tempo reale dello slittamento e la stima del coefficiente di attrito pneumatico-strada, eliminando la necessità di modelli dinamici complessi o grandi dataset di addestramento e dimostrando elevate prestazioni su un'auto da corsa autonoma in scala 1:10.
Il paper presenta CoGuide, un metodo che risolve problemi inversi spaziali con operatori non differenziabili riformulando la guida basata sulla verosimiglianza in uno spazio di embedding liscio appreso tramite un obiettivo contrastivo, permettendo così di guidare in modo stabile il processo di denoising dei modelli di diffusione verso la distribuzione a posteriori.
Questo lavoro propone un framework per la gestione dei conflitti tra xApp nelle reti O-RAN che combina machine learning spiegabile e inferenza causale per identificare le relazioni causali tra parametri di controllo e indicatori di prestazione, permettendo agli operatori di quantificare l'impatto dei conflitti e adottare strategie di risoluzione più efficaci.
Questo articolo propone un metodo di ottimizzazione sparsa multi-periodo che, sfruttando formulazioni basate sulla teoria dei circuiti ed euristiche ispirate ad esse, identifica proattivamente le fonti di vulnerabilità persistenti responsabili dei blackout nelle reti elettriche sotto stress crescente, garantendo scalabilità anche per sistemi di grandi dimensioni.
Questo articolo presenta e valida sperimentalmente un pratico framework basato su una matrice conduttiva di ampiezza e fase per emulare in laboratorio bersagli multipli con profili arbitrari, permettendo il test efficace di stazioni base ISAC dotate di grandi array di antenne in diverse modalità operative.
Questo articolo presenta un framework di controllo fuzzy guidato da modelli linguistici su larga scala (LLM) che utilizza token semantici interpretabili e comunicazione linguistica per abilitare una copertura cooperativa efficiente e robusta di robot sottomarini in ambienti sconosciuti privi di GPS e mappature globali.
Questo articolo propone un sistema di comunicazione assistito da RDARS che ottimizza congiuntamente la formazione dei fasci attivi e passivi e la sparsità degli elementi connessi per massimizzare la somma del tasso, offrendo soluzioni analitiche per casi specifici e un algoritmo iterativo per scenari multi-utente.