174 papers
Dit artikel biedt een uitgebreide statistische analyse van het "Einstein from noise"-fenomeen, waarbij wordt aangetoond dat het gebruik van template-matching op puur ruis leidt tot schijnbare signaalreconstructie doordat de Fourier-fasen van de schatter convergeren naar die van het template.
Dit paper introduceert SPDIM, een parameter-efficiënte geometrische deep learning-methode die bronvrije onbeheerde domeinadaptatie voor EEG-data mogelijk maakt door labelverschuivingen te compenseren via optimalisatie op een SPD-maand, waardoor de generalisatie van neurotechnologieën zoals slaapstadiëring aanzienlijk verbetert.
Dit artikel introduceert drie nieuwe content-bewuste strategieën voor cache-ondersteunde asymmetrische MIMO-systemen die door het gezamenlijk optimaliseren van het aantal gebruikers en de datastromen aanzienlijke verbeteringen in de bereikbare vrijheidsgraden (DoF) realiseren.
Dit artikel presenteert een nauwkeurig, gesloten formule voor het niet-lineaire ruisvermogensspectraaldichtheid van een halfgeleider-optische versterker, waarbij wordt aangetoond dat volledige behandeling van versterkingscompressie de niet-lineaire ruis significant verhoogt ten opzichte van eerdere benaderingen.
Dit artikel presenteert een POMDP-raamwerk voor het minimaliseren van de langdurige gemiddelde vervorming en transmissiekosten bij real-time remote tracking van een Markov-bron via meerdere heterogene sensoren met toestandsafhankelijke waarnemingsnauwkeurigheid, waarbij troncatie-gebaseerde benaderingen en het incrementele pruning-algoritme worden gebruikt om de onhandelbare oneindige toestandsruimte op te lossen.
Dit paper introduceert een rekenefficiënt neurale ontvanger op basis van axiale zelfaandacht die, door het factoriseren van aandachtoperaties langs temporele en spectrale assen, state-of-the-art blokfoutpercentages bereikt met aanzienlijk lagere computationele complexiteit dan bestaande methoden.
Dit artikel introduceert een gestapelde intelligente metasurface-architectuur met willekeurige ruimte-tijd-codering die, door kunstmatige tijdsvariaties en een beamformingschema gebaseerd op gedeeltelijke kanaalstatusinformatie, schaalbare downlink-verbindingen voor massale multiuser-netwerken mogelijk maakt met een aanzienlijk verminderde feedback-overhead.
Dit artikel presenteert een rekenefficiënte getegelde architectuur voor digitale straalvorming in een breedbandige radar met 1024 elementen, die door middel van gecoördineerde training van gereduceerde MVDR-stralers in beamspace aanzienlijk betere prestaties biedt dan conventionele benaderingen bij het onderdrukken van sterke interferentie.
Hoewel de nieuwe MLD-BFM-methode de hoogste nauwkeurigheid boekte bij het decoderen van vijfvoudige vingerbewegingen uit HD-sEMG-data, bleek de verbetering statistisch niet significant ten opzichte van conventionele tijdsdomeinkenmerken, wat suggereert dat dichte multichannel-opnames de ruimtelijke informatie al inherent bevatten.
Dit paper presenteert een nieuwe bottleneck-transformer-architectuur die frame-niveaueigenschappen leert en informatie aggregeert via multi-head self-attention om de Short-Time Objective Intelligibility (STOI) score nauwkeuriger te voorspellen dan bestaande zelftoezicht-gebaseerde methoden, zonder dat een schoon referentiesignaal nodig is.
Dit artikel introduceert het NP-complexe probleem van de optimale rondreis voor een mobiele basisstation op een drone om IoT-sensoren in een groot gebied te bedienen, en lost dit op met een polynomiale heuristiek die reiskosten en energiedekking optimaliseert, waardoor een verbetering van 39,15% wordt behaald ten opzichte van bestaande methoden.
Dit artikel introduceert een nieuw raamwerk voor de analyse van fase-amplituudekoppeling dat gebruikmaakt van niet-lineaire systeemidentificatie binnen een dynamisch systeemperspectief om spuriouze koppelingen te verminderen en robuustheid tegen ruis te garanderen.
Deze paper presenteert een beleidsbewuste, cross-layer auditmethode die, door het analyseren van terminal-telemetrie en host-probes zonder operatorinzicht, onderscheid maakt tussen verschillende Starlink-diensteniveaus en throttling-regimes op basis van unieke signatuurpatronen in goodput, RTT en een intern-gebruikersratio.
Dit artikel introduceert GF-BiLSTM, een diep leermodel dat amplitude- en fase-informatie van Wi-Fi Channel State Information (CSI) effectief combineert om de nauwkeurigheid en snelheidsrobustheid bij het herkennen van robotactiviteiten aanzienlijk te verbeteren.
Deze studie introduceert een datagedreven, probabilistische aanpak voor het voorspellen van hysterese in batterijen met silicium-graafietanodes, waarbij een data-harmonisatiekader en machine learning-modellen worden gebruikt om de nauwkeurige schatting van de laadtoestand te verbeteren onder onzekerheid en beperkte rekenkracht.
Deze paper introduceert LAD-CKM, een nieuw kader dat dynamische Channel Knowledge Maps construeert via een RF-stralingsveld en een adaptief vervormingsmodule om CSI-predictie te verbeteren in bewegende scènes zonder betrouwbare locatie-informatie.
Dit artikel presenteert een tweestaps hybride transceiverontwerp voor deeltjesverbonden THz-MIMO-systemen met laag-resolutie ADC's, dat een nieuw straalvormingstechniek met beperkte true time delay-lijnen introduceert om het dual-wideband-effect tegen te gaan en zo de spectrale efficiëntie met ongeveer 13% te verhogen.
Dit artikel introduceert het RDFC-framework voor privacy-bewuste semantische communicatie, waarbij bewezen wordt dat het zelfs zonder gedeelde willekeurigheid privacy garandeert en de communicatie-efficiëntie aanzienlijk verbetert ten opzichte van verliesvrije transmissie.
Dit paper introduceert een spatiotemporele predictor op basis van laag-rang cyclostationariteit die, getest op verkeersdata van Seoel, bijna even goed presteert als real-time routing met een gemiddelde extra reistijd van minder dan 1,5 minuten.
Deze paper introduceert een gesimuleerde benchmarkdataset voor het evalueren van passieve reconnoiteringsaanvallen in draadloze smart-gridcommunicaties, waarbij fysiek consistente kanaalveranderingen worden gebruikt om realistische signaal- en vertragingseffecten te genereren voor federatie- en graf-tijdgebonden detectiemodellen.