321 papers
Het artikel introduceert CycleULM, het eerste label-vrije deep learning-framework dat de prestaties en snelheid van ultrasone localisatiemicroscopie aanzienlijk verbetert door een fysica-gebaseerde vertaling tussen realiteit en simulatie mogelijk te maken zonder de noodzaak van gelabelde grondwaarheid.
Dit artikel presenteert een nieuw veldvrij architectuur voor een 3-bits spintronische flash-ADC die gebruikmaakt van SOT-MTJ's met VCMA en STT-schakeling, waarbij een dubbele conversie-set en dummy-set worden ingezet om de resetstap te elimineren en zo een conversiesnelheid van 304,1 MHz bij een vermogensverbruik van 476 µW te bereiken.
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 overzichtspaper biedt een gestructureerde taxonomie en kritische analyse van cloud-native 6G-netwerken, waarbij het de huidige oplossingen, open uitdagingen en toekomstige trends van leidende cloudproviders belicht.
Dit artikel presenteert een privacybehoudend algoritme voor dynamische gemiddelde consensus dat via een maskeringsmechanisme op basis van sinusgolven de referentiesignalen van agents beschermt tegen afluisteren, en dit concept toepast op het balanceren van de laadtoestand in een netwerk van batterij-opslagsystemen.
Dit paper introduceert NanoBench, een open-source benchmarkdataset voor de Crazyflie 2.1 nano-quadcopter die gesynchroniseerde actuator- en sensordata biedt voor het bestuderen van systeemidentificatie, besturing en schatting op nano-schaal, waar bestaande benchmarks ontoereikend zijn.
Dit overzichtspaper analyseert de ontwerp- en kwalificatie-uitdagingen voor noodlocatiezenders (ELT's) in het kader van meer elektrische vliegtuigen, met een specifieke focus op energieautonomie, EMC, integratie en overlevingsvermogen, terwijl het tevens toekomstige trends zoals distress tracking en gecertificeerde oplossingen voor de volgende generatie reddingsdiensten bespreekt.
Dit artikel introduceert een diep learning-gebaseerde methode voor het segmenteren van retinale beelden van een nieuwe low-cost zelfonderzoek OCT-scan, waarbij een CNN wordt gebruikt voor de segmentatie en een CDAE voor het verfijnen van de resultaten om artefacten te corrigeren.
Dit artikel presenteert een methode die gebruikmaakt van het centrale limiettheorema en een gemengde inverse-Gauss-verdeling met een aangepast Expectation-Maximization-algoritme om de responsietijden en faalpercentages van stationaire periodieke Rate Monotonic real-time systemen nauwkeurig te schatten.
Dit artikel presenteert een nieuwe aanpak voor het gezamenlijk optimaliseren van de fysieke lay-out en de regeling van een robuust multi-UAV transportsysteem, waarbij een nieuwe H2-geïnspireerde robustheidsmetode wordt gebruikt om de beste verstoringafwijzing te bereiken bij het dragen van ladingen met diverse vormen.
Dit paper introduceert DMaC, een nieuw gedistribueerd algoritme dat in gerichte netwerken met onbetrouwbare communicatielinks gegarandeerd in eindige tijd exacte max-consensus bereikt via een volledig gedistribueerd eindmechanisme en minimale feedbackkanalen.
Dit artikel presenteert een methode die Large Language Models en evolutionaire algoritmen combineert om interpreteerbare besturingspoliieken in standaard programmeertalen te synthetiseren voor dynamische systemen, zoals de pendel en de bal in de beker, waardoor transparantie en menselijke aanpasbaarheid worden vergroot ten opzichte van traditionele black-box benaderingen.
Deze paper introduceert 3D-PIUNet, een hybride methode die fysisch geïnformeerde schattingen combineert met een 3D U-Net om de ruimtelijke nauwkeurigheid van EEG-bronreconstructie te verbeteren en zo de beperkingen van traditionele en puur datagedreven methoden overwint.
Dit artikel presenteert een praktische en computerefficiënte methode voor fase-selectie in multi-gebruiker RIS-systemen met subsurfaces, die onder Ricean en Rayleigh-omstandigheden een concurrerende prestatie biedt ten opzichte van bestaande methoden door subsurfaces specifiek voor individuele gebruikers te ontwerpen en iteratief te optimaliseren.
Dit artikel biedt een systematische review van de recente vooruitgang in signaalverwerking en leren op tijdsvariabele grafen, waarbij bestaande methoden worden vergeleken en toekomstige uitdagingen en onderzoeksdirections worden geïdentificeerd.
Deze paper presenteert een nieuwe, robuuste strategie voor gerichte exploratie van onzekere lineaire tijd-invariante systemen met energie-gebonden verstoringen, waarbij via een semidefiniet programma een exploratieplan wordt berekend dat een gewenste nauwkeurigheid van de parameterschatting garandeert zonder aannames over de verdeling van de verstoringen.
Deze studie toont aan dat diepe spraakruisreductiemodellen kwetsbaar zijn voor psychoakoestisch verborgen adversariële ruis die de output onbegrijpelijk maakt zonder dat de ruis zelf waarneembaar is, wat dringende maatregelen vereist voordat deze systemen veilig in kritieke toepassingen kunnen worden ingezet.
Dit artikel presenteert een modulaire supervisory control-methode voor discrete gebeurtenissystemen, geïmplementeerd in MATLAB, die de complexiteit verlaagt en de robuustheid verhoogt bij het voorspellen en mitigeren van kaskaderende storingen in elektriciteitsnetwerken, zoals aangetoond door simulaties op IEEE 30-, 118- en 300-bussystemen.
Deze paper introduceert een nieuwe few-shot beeldfusiemethode die onvolledige prioren combineert met een lichtgewicht neurale netwerk via het Granular Ball Pixel Computation-algoritme, waardoor effectieve fusieregels kunnen worden geleerd met slechts tien beeldparen zonder echte gefuseerde supervisie.
Dit paper introduceert een deterministisch diffusiemodel voor de regeling en planning van niet-lineaire systemen, waarbij een feedbackwet wordt ontworpen om de toestandsdichtheid via een 'denoising'-proces te sturen naar een gewenste doelformatie.