262 artigos
Este artigo fornece uma análise estatística abrangente do fenômeno "Einstein do Ruído", demonstrando matematicamente que a média de observações puramente ruidosas alinhadas a um modelo gera um estimador que converge para as fases e magnitudes do modelo original, explicando assim a ilusão de estrutura e alertando para os riscos de viés em técnicas de correspondência de modelos em diversas áreas científicas.
Este artigo propõe uma técnica de compressão de imagens baseada em modelos que utiliza síntese de novas vistas e otimização por descida de gradiente para permitir o feedback visual em tempo real no controle de veículos operados remotamente subaquáticos, superando as limitações de largura de banda da comunicação acústica.
Este artigo propõe uma abordagem de controle robusto que formula a restrição de distribuição de parâmetros como um programa semidefinido convexo para mitigar deslocamentos distribucionais em sistemas não lineares, garantindo que o controlador seja eficaz para os dados futuros experimentados após sua aplicação.
Este artigo propõe três estratégias de comunicação MIMO com cache (min-G, Grouping e Phantom) para configurações assimétricas que otimizam o ganho de graus de liberdade (DoF) ao ajustar dinamicamente o número de usuários e os fluxos de dados, superando as limitações das abordagens simétricas tradicionais.
Este artigo propõe um novo framework de comunicação semântica que utiliza controle de taxa adaptativo baseado em entropia e estado do canal, combinado com compensação de características via modelos de linguagem multimodal (MLLM), para otimizar a transmissão de recursos em canais de desvanecimento Rayleigh MIMO.
Este artigo propõe um novo algoritmo para análise de alcançabilidade de sistemas de feedback neural não lineares, que utiliza envoltórios poliedrais e programação linear inteira mista (MILP) para obter sobre-approximações seguras, demonstrando uma melhoria de uma ordem de magnitude em relação ao estado da arte.
Este artigo propõe o uso de Funções de Barreira de Controle Filtradas (FCBFs), que integram um filtro de regularização de entrada a Funções de Barreira de Ordem Superior (HOCBFs) em um programa quadrático unificado, garantindo simultaneamente a segurança do sistema, limites de controle e continuidade Lipschitz das entradas de controle para evitar variações abruptas.
Este artigo propõe um framework de controle preditivo baseado em modelo distribuído para coordenar sistemas multiagente heterogêneos e não lineares, onde a tarefa cooperativa emerge das interações otimizadas dos agentes sob restrições individuais e acopladas, garantindo viabilidade recursiva e estabilidade assintótica.
Este artigo apresenta o S2S-ZEST, um novo framework de transferência de estilo emocional fala-para-fala que, operando sem texto e sem dados paralelos, consegue transferir características emocionais de uma referência para uma fala fonte preservando a identidade do falante e o conteúdo semântico, demonstrando desempenho superior a métodos anteriores e aplicabilidade em tarefas de reconhecimento de emoções.
Este trabalho propõe uma estratégia híbrida de estimativa e controle para rendezvous autônomo, que utiliza um algoritmo de aprendizado ativo para otimizar a entrada de controle e melhorar a observabilidade na determinação inicial de órbita relativa apenas com medições angulares, permitindo uma transição eficaz para um filtro de Kalman estendido e um controlador preditivo baseado em modelo para a conclusão da missão.
Este artigo propõe o algoritmo TI-DANSE+, uma melhoria do método TI-DANSE para redes de sensores acústicos sem fio, que acelera a convergência para a solução de estimação centralizada ao utilizar somas parciais de sinais dos vizinhos e uma estratégia de poda de árvores, mantendo a eficiência em topologias dinâmicas e reduzindo o uso de largura de banda.
Este artigo propõe e analisa uma estratégia de horizonte finito para aproximar o equilíbrio de Nash de feedback em jogos dinâmicos lineares-quadráticos de horizonte infinito, estabelecendo condições para a unicidade da solução, um algoritmo computacional eficiente e garantias teóricas de convergência de custo.
O artigo apresenta o Human-CLAP, um modelo de pré-treinamento contrastivo áudio-texto treinado com base em avaliações subjetivas humanas que supera o CLAP tradicional ao aumentar significativamente a correlação entre as pontuações automáticas e a percepção humana.
Este artigo apresenta a validação experimental em hardware do controle de *droop* angular para conversores DC/AC formadores de rede, demonstrando sua capacidade de regulação exata de frequência, sincronização e partilha de potência em cenários de partida a frio e multi-conversor, ao mesmo tempo que aborda desafios de implementação como discretização e desvio de relógio.
Este artigo propõe um framework baseado em Processo de Decisão de Markov Parcialmente Observável (POMDP) para otimizar o rastreamento remoto em tempo real de fontes de Markov por sensores heterogêneos com precisão dependente do estado, utilizando aproximações de truncamento e algoritmos de iteração para minimizar a distorção e os custos de transmissão em canais com erros.
Este estudo propõe um paradigma sistemático para comparar humanos e máquinas em tarefas de compreensão de fala multilíngue, revelando que, embora os modelos de linguagem baseados em fala superem os humanos em condições limpas, eles ainda lutam para atender seletivamente em cenários com múltiplos falantes, ao passo que os humanos demonstram uma atenção significativamente superior em sua língua materna.
Este artigo apresenta uma avaliação abrangente de 17 sistemas de incorporação de fala pré-treinados para a detecção de disartria em seis conjuntos de dados heterogêneos, revelando que os resultados variam significativamente dependendo do conjunto utilizado e que a generalização entre diferentes bases de dados é limitada, o que levanta questões sobre a validade clínica de modelos treinados e testados no mesmo conjunto de dados.
O artigo propõe um receptor neural baseado em transformador com atenção axial que reduz a complexidade computacional de para , alcançando desempenho superior em taxa de erro de bloco (BLER) em comparação com receptores globais e convolucionais sob canais sem linha de visada.
Este artigo apresenta um framework robusto de verificação de locutor baseado em uma mistura de especialistas condicionada ao ruído, que utiliza roteamento inteligente, especialização universal e aprendizado curricular para decompor o espaço de características em subespaços especializados, superando consistentemente os métodos convencionais em condições diversas de ruído.
O artigo apresenta o algoritmo IMAS, que resolve o problema de seleção conjunta de agentes sensores e síntese de políticas de percepção ativa em Dec-POMDPs, utilizando uma estrutura de otimização em duas camadas baseada em métricas de informação mútua e garantindo um desempenho de através de propriedades de submodularidade.