326 articoli
Questo articolo presenta un solver ottimizzato per la programmazione a coni secondari (SOCP) basato su metodi a punti interni, dotato di uno strumento di generazione del codice in C per l'implementazione in tempo reale su sistemi embedded, che supera le prestazioni dei solutori esistenti nelle applicazioni di guida e controllo.
Questa lettera propone un framework consapevole della piattaforma che caratterizza i collegamenti wireless modellando le riflessioni indotte dalle strutture di montaggio come un nuovo modello di diagramma di radiazione reciproco, dimostrando che tale approccio riduce gli errori di stima del percorso fino a 10 dB rispetto ai modelli tradizionali.
Questo articolo propone un quadro analitico e un progetto di ricevitore per sistemi ISAC basati su FM-OFDM a inviluppo costante, dimostrando come tale approccio consenta di operare in saturazione dell'amplificatore di potenza, migliorando la portata di rilevamento e mantenendo prestazioni robuste in termini di BER e accuratezza di rilevamento rispetto alle soluzioni OFDM convenzionali.
Il paper propone un framework di ottimizzazione basato sull'approfondimento profondo che, sostituendo iterazioni con calcoli approssimati a bassa complessità e apprendendo iperparametri estesi, riduce la complessità computazionale di oltre tre ordini di grandezza mantenendo prestazioni all'avanguardia in applicazioni come il beamforming ibrido e l'analisi delle componenti principali robuste.
Questo articolo propone un metodo robusto per l'estrazione del parlante target audio-visivo che, sfruttando la fusione di più registrazioni e un addestramento con alti tassi di dati mancanti, mantiene prestazioni elevate anche in presenza di interruzioni dei segnali visivi o uditivi tipici degli scenari reali.
Questo lavoro presenta un metodo rapido e deterministico basato sull'algebra lineare per completare tensori osservati tramite intere fibre lungo una singola modalità, sfruttando la struttura a "Train Tensor" per garantire il recupero dei dati senza ricorrere a ottimizzazioni numeriche complesse.
Questo articolo propone un metodo di ottimizzazione su varietà per progettare matrici di scattering reciproche e simmetriche nelle RIS oltre-diagonali, massimizzando la somma dei tassi di trasmissione e superando le prestazioni degli approcci esistenti.
Questo articolo propone un framework di controllo basato su eventi che bilancia prestazioni e frequenza di attuazione mediante regolarizzazione sparsa e un algoritmo di rollout, garantendo stabilità e prestazioni superiori rispetto al controllo periodico.
Questo lavoro propone una strategia di controllo di formazione distribuita per sistemi multi-agente basata su vincoli di simmetria rotazionale, che richiede solo collegamenti per raggiungere una configurazione simmetrica e permette manovre coordinate di traslazione, rotazione e scalatura lungo una traiettoria virtuale.
Il paper propone HyWA, un metodo che utilizza una rete iperperazionale per generare pesi personalizzati in un modello VAD standard, migliorando le prestazioni di rilevamento della voce del parlante target e semplificando il deployment rispetto alle tecniche di condizionamento esistenti.
Questo articolo presenta un metodo di aggregazione predittiva della flessibilità a livello residenziale, combinato con un'ottimizzazione centralizzata, per realizzare uno schema di controllo in tempo reale e rispettoso della privacy dei sistemi di distribuzione a bassa tensione, riducendo i carichi computazionali online attraverso calcoli offline decentralizzati.
Questo lavoro presenta un'analisi e una sintesi di algoritmi di ottimizzazione a tempo discreto che garantiscono convergenza esponenziale certificata e robustezza contro dinamiche di rete commutate, come ritardi variabili e instabilità dei canali, mediante la risoluzione di disuguaglianze matriciali lineari e la ricerca di coefficienti di filtri Zames-Falb.
Questo studio analizza le traiettorie di equilibrio di Nash generalizzato dinamico da una prospettiva sistemica, dimostrando come la dissipatività stretta generi il fenomeno del turnpike, stabilendo un risultato inverso e proponendo penalità terminali lineari per garantire la convergenza verso l'equilibrio di stato stazionario, fornendo così le basi per l'analisi di stabilità e fattibilità ricorsiva nel controllo predittivo basato sulla teoria dei giochi.
Questo paper propone un mercato energetico locale basato su un meccanismo di scambio a orologio combinatorio potenziato dall'apprendimento automatico, che semplifica l'espressione delle preferenze complesse dei prosumer eliminando la necessità di previsioni di prezzo e garantendo una rapida convergenza verso prezzi di clearing trasparenti.
Il paper propone un approccio sicuro e ottimale per l'apprendimento dalle preferenze umane in sistemi autonomi, utilizzando la Logica Temporale Segnale Ponderata (WSTL) trasformata in un problema di Programmazione Lineare Intera Mista per garantire la sicurezza in ambiti critici come la robotica e la Formula 1.
Questo articolo presenta e valuta quantitativamente una piattaforma EEG embedded basata su ESP32-S3 e ADS1299 che esegue l'acquisizione, il filtraggio e il decoding SSVEP in tempo reale direttamente sul dispositivo, dimostrando un'elevata integrità del segnale, una perfetta fedeltà numerica rispetto a un riferimento a 64 bit e un'accuratezza online del 99,17% con un tasso di trasferimento informativo di 27,66 bit/min.
Il paper presenta PanSubNet, un framework di deep learning interpretabile che, analizzando direttamente le istologie standard H&E, predice i sottotipi molecolari clinicamente rilevanti del carcinoma pancreatico con alta accuratezza e valore prognostico, offrendo un'alternativa rapida ed economica ai costosi test genomici.
Il paper introduce GOUHFI 2.0, un nuovo toolbox di deep learning che, grazie a una strategia di randomizzazione del dominio e a due reti 3D U-Net addestrate su dati eterogenei, risolve le sfide della segmentazione cerebrale e della parcellizzazione corticale a risoluzione ultra-alta (UHF-MRI), offrendo per la prima volta una soluzione robusta e automatizzata per l'analisi volumetrica in questo contesto.
Il paper presenta LexiSafe, un framework di apprendimento per rinforzo offline sicuro che utilizza una gerarchia lessicografica per garantire la sicurezza e migliorare le prestazioni nei sistemi cyber-fisici, offrendo al contempo garanzie teoriche di complessità campionaria.
Il paper introduce ZACH-ViT, un Vision Transformer compatto per l'imaging medico che rimuove le codifiche posizionali e il token [CLS] per ottenere un'elaborazione permutazionale invariante, dimostrando prestazioni competitive in scenari con pochi dati e un vantaggio regime-dipendente che massimizza l'efficacia su dataset con layout spaziali meno informativi.