166 papers
Dit artikel toont aan dat het finetunen van neurale ontvangers op specifieke locaties met echte 5G NR-metingen aanzienlijke verbeteringen in de foutkans oplevert die ook generaliseren naar verschillende hardware en scenario's.
Deze paper introduceert de niet-iteratieve, optimale dMWF-algoritme voor draadloze akoestische sensornetwerken, dat de prestaties van een centraal systeem bereikt met minder bandbreedte en zonder de beperkingen van eerdere methoden zoals DANSE.
Dit technische rapport presenteert een nieuwe, NI-gebaseerde methode voor het schatten van initiële parameters van trigonometrische modellen met ongelijkmatig gesamplede data, die zelfs bij een laag signaal-ruisverhouding van 1,4 dB en beperkte periodieke dekking een nauwkeurige startwaarde voor globale optimalisatie biedt tegen een lagere rekentijd dan de Lomb-Scargle-periodogram-methode.
Deze studie toont aan dat een kostenefficiënte FMCW-MIMO-radar betrouwbare niet-contactmetingen van gemiddelde ademhalings- en hartfrequentie mogelijk maakt bij een optimale afstand van 70 cm, maar dat de nauwkeurigheid voor variabiliteitsmetingen beperkt blijft door een fundamenteel afweging tussen signaalverwerking en tijdsresolutie.
Dit artikel presenteert een hybride, model-gestuurde methode voor het voorspellen van padverlies in suburban omgevingen, die een adaptieve compensatie toepast op het klassieke CI-model en door middel van drie beeldorganiseringschema's een testfout van 4,04 dB bereikt.
Dit artikel presenteert een adaptief beamtrainingkader voor nabij-veldcommunicatie dat Thompson Sampling en een gecorreleerde Gaussische prior gebruikt om de pilot- overhead tot 90% te verminderen en de SNR met meer dan 2 dB te verbeteren in multi-pad omgevingen.
Dit artikel presenteert een energiezuinige analoge spiking-neuron in 28 nm CMOS-technologie die slechts 1,61 fJ per spike verbruikt en, gecombineerd met een gekwantiseerd spiking-neuraal netwerk, een nauwkeurigheid van 82,5% bereikt op de MNIST-dataset, wat de potentie aantoont voor hoogpresterende embedded machine learning-toepassingen.
Deze paper introduceert een nieuwe methode voor kanaalschatting in draadloze communicatie die generatieve diffusiemodellen combineert met de onbevooroordeelde risicoschatter van Stein, waardoor een hoge nauwkeurigheid wordt bereikt met een tien keer lagere latentie en de helft minder pilot-overhead dan bestaande technieken, zelfs zonder grondwaarheidsdata.
Dit artikel presenteert optimalisatie- en deep reinforcement learning-methoden voor hulpbronnenallocatie om positieve-snelheid covert communicatie te realiseren in Rayleigh-kanaalcondities, waarbij zowel niet-causale als causale kanaalstaten worden behandeld.
Dit paper introduceert NANOMIND, een hardware-software co-design raamwerk dat grote multimodale modellen op batterij-aangedreven apparaten efficiënt uitvoert door modulaire componenten dynamisch toe te wijzen aan de meest geschikte versnellers, wat resulteert in een aanzienlijke verbetering van energie-efficiëntie en doorvoersnelheid zonder netwerkverbinding.
Dit artikel introduceert het concept van gegeneraliseerde knijp-antennesystemen, bespreekt hun fysische werking en ontwerpstrategieën voor diverse golfgeleiders, en schetst de toekomstige richting voor deze flexibele, gebruikersgerichte technologie in toekomstige draadloze netwerken.
Dit artikel introduceert AirCNN, een nieuw paradigma dat convolutionele neurale netwerken (CNN's) implementeert via analoge berekening over de lucht door het gebruik van meerdere reconfigurable intelligent surfaces (RIS) en geoptimaliseerde transceiverontwerpen om de draadloze omgeving te manipuleren voor het nabootsen van convolutielagen.
Dit paper presenteert een bi-directionele digitale-tweeling-prototypemethode met multi-periodiciteitslering die meta-training in de virtuele ruimte en testtijdadaptatie in de fysieke ruimte combineert om betrouwbare foutdiagnose mogelijk te maken met slechts een beperkt aantal voorbeelden.
Deze studie presenteert een geautomatiseerd systeem voor het segmenteren en classificeren van darmgeluiden met behulp van een draagbare sensor en een AI-model, wat leidt tot objectieve diagnostiek en een aanzienlijke reductie van de tijd voor handmatige annotatie.
Dit artikel presenteert een uitlegbare en hardware-efficiënte aanpak voor jamming-detectie in 5G-netwerken met behulp van de Convolutional Tsetlin Machine, die op een realistisch testbed vergelijkbare prestaties levert als een CNN maar aanzienlijk sneller traint en minder geheugen vereist, waardoor het ideaal is voor implementatie op randapparatuur.
Dit artikel presenteert een lichtgewicht, op digitale tweeling gebaseerd framework dat objectdetectie en offline padkaarten gebruikt voor real-time voertuigtracking en botsingsvoorspelling op randapparatuur, zonder complexe trajectvoorspellingsmodellen.
Dit artikel introduceert een interpreteerbaar 3D Concept Bottleneck-model dat morfologische en hemodynamische kenmerken integreert om intracraniële aneurysma's met hoge nauwkeurigheid te classificeren zonder in te leveren op klinische transparantie.
Dit paper introduceert MetaSort, een nieuw algoritme dat neurale spike-wavevormen zowel efficiënt comprimeert via een adaptief niveau-kruising-algoritme als nauwkeurig classificeert door gebruik te maken van meta-transfer learning voor few-shot learning.
Dit paper introduceert twee nieuwe modelgedreven evolutionaire frameworks, NEMO-DE en NEEF-DE, die directe en datalabel-vrije near-field multi-source lokalisatie mogelijk maken op continue sferische-golfmodellen voor willekeurige array-geometrieën, waarmee de beperkingen van bestaande grid-gebaseerde en diepe-leerbenaderingen worden overwonnen.
Dit artikel presenteert een nieuw ontworpen gebogen monopoolantenne voor HF-radar met een skywave-toepassing die, door optimalisatie van de kromming en rechte secties, een aanzienlijke verbetering in bandbreedte en winst biedt ten opzichte van conventionele ontwerpen, zowel voor enkelvoudige elementen als voor lineaire arrays.