321 articoli
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.
Questo articolo presenta un'analisi strutturata delle implementazioni cloud per le reti 6G, offrendo una tassonomia dei modelli di deployment, esaminando le sfide tecniche e operative attraverso una lente cloud-native, valutando le strategie dei principali provider IaaS e delineando le tendenze future e le sfide aperte per reti cellulari scalabili e robuste.
Questo articolo propone un algoritmo di consenso medio dinamico che preserva la privacy mascherando i segnali di riferimento con componenti sinusoidali scambiate tra agenti, garantendo al contempo la convergenza e dimostrando la sua efficacia pratica nel bilanciamento dello stato di carica di sistemi di accumulo energetico a batteria.
Il paper presenta NanoBench, il primo dataset open-source multi-task che fornisce dati sincronizzati a livello di attuatore, controller e stimatore su un nano-quadrotore Crazyflie 2.1, colmando il divario nei benchmark esistenti per lo studio dell'identificazione di sistema, del controllo e della stima dello stato in condizioni di aerodinamica a basso numero di Reynolds e vincoli computazionali severi.
Questo articolo offre una revisione completa delle sfide di integrazione, gestione energetica e sicurezza degli emettitori di localizzazione di emergenza (ELT) nell'era degli aeromobili più elettrici, analizzando l'impatto dell'elettrificazione sui requisiti di progettazione, le nuove infrastrutture di ricerca e soccorso e le direzioni future per garantire affidabilità e conformità normativa.
Questo articolo presenta un approccio basato sul deep learning che utilizza una rete neurale convoluzionale e un autoencoder denoising per segmentare con alta accuratezza la retina e rilevare i distacchi dell'epitelio pigmentoso in immagini OCT a basso costo destinate all'autosorveglianza domiciliare della degenerazione maculare legata all'età.
Questo articolo propone un metodo per stimare i tempi di risposta e i tassi di guasto nei sistemi real-time periodici con priorità Rate Monotonic, basandosi su un'approssimazione della distribuzione dei tempi di risposta mediante una miscela di distribuzioni Inverse Gaussian e un algoritmo Expectation-Maximization adattato, la cui efficacia è dimostrata tramite simulazioni estensive.
Il paper presenta un nuovo approccio per la co-ottimizzazione del layout fisico e del controllo di sistemi di trasporto aereo cooperativi, volto a massimizzare precisione e robustezza nel trasporto di carichi attraverso un algoritmo che determina la disposizione ottimale dei droni e il relativo controller.
Il paper presenta DMaC, un nuovo algoritmo distribuito a tempo finito che garantisce la convergenza esatta al massimo stato in reti dirette con collegamenti di comunicazione inaffidabili, sfruttando canali di feedback a banda stretta per un meccanismo di terminazione autonomo e dimostrando la sua efficacia in reti di sensori wireless.
Il paper propone un metodo innovativo che utilizza modelli linguistici su larga scala per guidare la ricerca evolutiva di politiche di controllo interpretabili, rappresentate come programmi in linguaggi standard come Python, per applicazioni in sistemi dinamici come l'oscillazione del pendolo e il gioco della pallina nella tazza.
Il paper propone il metodo ibrido 3D-PIUNet, che migliora la ricostruzione delle sorgenti cerebrali EEG integrando una stima iniziale basata sulla fisica con una rete neurale 3D U-Net per affinare la soluzione, ottenendo una maggiore accuratezza spaziale rispetto ai metodi tradizionali e puramente data-driven.
Questo lavoro propone un metodo pratico a bassa complessità per la selezione delle fasi in sistemi RIS multi-frequenza e multi-utente, basato sulla suddivisione della superficie in sottoparti dedicate a singoli utenti, che offre prestazioni competitive e maggiore robustezza rispetto alle tecniche esistenti, specialmente in ambienti di fading Riceano e Rayleigh correlati.
Questo articolo presenta una revisione sistematica dei recenti progressi nel trattamento e nell'apprendimento dei segnali su grafi dinamici, confrontando metodologie esistenti, evidenziandone vantaggi e limiti, e delineando le sfide e le direzioni future per la ricerca in questo campo.
Il paper propone una nuova strategia di esplorazione mirata per sistemi lineari tempo-invarianti incerti con disturbi limitati in energia, che utilizza un programma semidefinito per garantire una precisione stimata dei parametri senza assumere alcuna distribuzione specifica per i disturbi.
Questo studio dimostra che quattro recenti modelli di soppressione del rumore profondo possono essere resi inintelligibili dall'aggiunta di rumore avversario psicologicamente nascosto, evidenziando la necessità di contromisure pratiche prima del loro utilizzo in applicazioni critiche per la sicurezza.
Questo articolo propone un approccio di controllo supervisionato modulare per i sistemi a eventi discreti, implementato su MATLAB e validato su diverse reti IEEE, al fine di ridurre la complessità computazionale e migliorare l'efficacia nel prevedere e mitigare i guasti a cascata nei sistemi di potenza.
Questo articolo propone un nuovo approccio per la fusione di immagini in pochi esempi che, sfruttando i "priors granulari" (incompleti) calcolati tramite l'algoritmo GBPC e un'adattiva funzione di perdita, permette a una rete neurale leggera di apprendere regole di fusione efficaci senza bisogno di immagini fuse reali come supervisione.
Questo articolo propone un framework deterministico basato sul score matching diffusion per il controllo della densità di probabilità di sistemi non lineari, trasformando la sintesi del controllo nel progetto di un processo inverso che guida il sistema verso una distribuzione target.