381 articoli
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.
Questo articolo propone un nuovo quadro di controllo predittivo del modello (MPC) a orizzonte infinito per la stabilizzazione in tempo finito di sistemi discreti vincolati, che amplia la regione di fattibilità iniziale sostituendo i vincoli terminali rigidi con una somma di costi su orizzonte infinito, garantendo al contempo la stabilità in tempo finito e la tracciabilità computazionale sia per sistemi lineari che per una classe di sistemi non lineari.
Il paper introduce Speech-Omni-Lite, un framework efficiente che estende i modelli visione-linguaggio pre-addestrati con capacità di comprensione e generazione vocale tramite moduli leggeri e un piano di addestramento su dati sintetici, ottenendo prestazioni paragonabili a modelli omni-scale molto più costosi.
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 esamina l'implementazione su hardware embedded di un controllo predittivo del modello (MPC) per veicoli maglev EMS, dimostrando la sua capacità di stabilizzare robustamente il sistema non lineare e vincolato a velocità superiori a 600 km/h e validando l'algoritmo tramite studi processor-in-the-loop.
Questo articolo presenta un nuovo approccio per la generazione di risposte all'impulso della stanza (RIR) mediante il fine-tuning di un modello pre-addestrato per la sintesi audio da testo, superando la scarsità di dati tramite l'uso di modelli visione-linguaggio per l'etichettatura e strategie di apprendimento in contesto per la generazione di RIR plausibili utili all'augmentazione dei dati vocali.
Il paper presenta DRES, un nuovo dataset di 1,5 ore di parlato semi-spontaneo olandese registrato in ambienti rumorosi, utilizzato per valutare modelli di riconoscimento e enhancement vocale, rivelando che l'applicazione di algoritmi di enhancement a singolo canale non migliora le prestazioni ASR in scenari realistici.
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.
Il paper presenta -Occ, un framework innovativo per la previsione dell'occupazione semantica 3D che garantisce resilienza e coerenza strutturale in scenari di guida autonoma con input multivista incompleti, grazie a un modulo di ricostruzione mascherata e a una memoria di caratteristiche che recuperano informazioni mancanti senza compromettere le prestazioni in condizioni ottimali.
Il paper introduce PanoAffordanceNet, un nuovo framework end-to-end e il dataset 360-AGD per il grounding olistico delle affordance in ambienti interni a 360 gradi, superando le sfide delle distorsioni geometriche e della dispersione sematica attraverso modulatori spettrali adattivi e testine di densificazione sferica.
Questo articolo presenta un sistema di tracciamento UAV basato su LiDAR 3D leggero e adattivo, che utilizza un Filtro di Kalman Esteso Adattivo (AEKF) per garantire un posizionamento relativo robusto e preciso in ambienti privi di GPS, superando le limitazioni dei metodi convenzionali in termini di carico utile e prestazioni durante manovre aggressive.
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.
Questo articolo presenta un quadro sistematico per integrare l'apprendimento automatico nella progettazione di un controllore primario-duale per la regolazione secondaria della frequenza, garantendo stabilità asintotica e ottimalità stazionaria mentre si migliorano le prestazioni transitorie, come il nadir di frequenza e lo sforzo di controllo, attraverso l'uso di reti neurali.
Il paper presenta CycleULM, il primo framework di deep learning unificato e privo di etichette per la microscopia di localizzazione ultrasonora, che supera le limitazioni dei dati reali e del divario simulazione-realtà traducendo i dati CEUS in un dominio semplificato, migliorando significativamente contrasto, risoluzione e precisione di localizzazione dei microbolle con elaborazione in tempo reale.
Il paper presenta una nuova architettura per un convertitore analogico-digitale flash spintronico a 3 bit, privo di campo magnetico esterno e basato su giunzioni tunnel magnetiche SOT MTJ con controllo VCMA e STT, che elimina il passo di reset tramite l'uso di set di MTJ scambiabili, raggiungendo un consumo di 476 µW e una velocità di conversione di 304,1 MHz.
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.