166 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.
O artigo propõe o SPDIM, uma estratégia de otimização em variedades Riemannianas que utiliza o princípio de maximização de informação para adaptar modelos de EEG em cenários sem fontes de dados rotulados, superando as limitações de métodos anteriores ao lidar eficazmente com deslocamentos de rótulos e de distribuição.
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 desenvolve um modelo de ruído gaussiano de banda larga para distorções não lineares em amplificadores ópticos semicondutores, apresentando uma expressão fechada precisa para a relação ruído-sinal que incorpora a compressão de ganho e é válida quando o produto da largura de banda pelo tempo de recuperação do ganho excede 100.
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.
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 propõe uma arquitetura inovadora de Metasuperfícies Inteligentes Empilhadas (SIM) com codificação espaço-tempo aleatória que, ao introduzir variações temporais artificiais e utilizar um esquema de feixe baseado em CSIT parcial, permite o agendamento oportunista de usuários e a exploração da diversidade multiusuário, alcançando alto desempenho de taxa soma com overhead reduzido de aquisição e feedback de informação de canal em redes de downlink massivo.
Este artigo apresenta uma arquitetura baseada em "tiles" para a formação de feixes digital eficiente em termos computacionais em radares MIMO massivos de banda larga, demonstrando que a combinação de redução de dimensionalidade no espaço de feixes por tile com o treinamento coordenado de filtros MVDR reduzidos supera significativamente o processamento de um único tile ao lidar com 1024 elementos e interferências fortes.
Este estudo conclui que, embora o método de campo de bloco baseado em descritores lineares multicanal (MLD-BFM) tenha alcançado a melhor precisão na decodificação contínua de cinco graus de liberdade do movimento dos dedos a partir de sinais HD sEMG, a melhoria não foi estatisticamente significativa em comparação com características temporais convencionais, sugerindo que a alta resolução espacial já é capturada por descritores baseados em amplitude e que preservar essa resolução espacial é mais crítico do que aplicar redução de dimensionalidade.
Este estudo apresenta uma abordagem inovadora baseada em Transformers com gargalo para prever a métrica STOI de forma não intrusiva, superando os métodos atuais ao combinar blocos convolucionais e atenção auto-referencial para alcançar maior correlação e menor erro quadrático médio em cenários conhecidos e desconhecidos.
Este artigo apresenta o problema de otimização de tour para estações base móveis (MOT) em redes de sensores IoT de grande área, propondo uma heurística polinomial que, ao considerar custos de deslocamento, ganhos de cobertura e restrições energéticas, supera as abordagens existentes ao gerar tours de baixo custo com execução mais rápida.
Este estudo propõe um novo método de identificação de sistemas não lineares baseado em uma perspectiva de sistemas dinâmicos para detectar e caracterizar o acoplamento fase-amplitude com maior precisão e robustez ao ruído e a acoplamentos espúrios, superando as limitações dos métodos existentes.
Este artigo apresenta um serviço de auditoria de camadas cruzadas e consciente de políticas que utiliza telemetria de terminal e sondas do lado do host para identificar e distinguir regimes de prioridade, limitação pós-cota e operação residencial na rede Starlink, baseando-se em assinaturas de throughput, RTT e uma razão interna de usuário sem necessidade de visibilidade do operador.
Este artigo apresenta o modelo GF-BiLSTM, uma rede de fusão em duas correntes que integra adaptativamente amplitude e fase do CSI de Wi-Fi para reconhecimento de atividades robóticas, demonstrando que a inclusão da fase melhora significativamente a precisão e a robustez em relação à velocidade em comparação com métodos baseados apenas em amplitude.
Este trabalho apresenta uma abordagem baseada em dados para a previsão probabilística do fator de histerese em baterias de veículos elétricos com ânodos de silício-grafite, utilizando um framework de harmonização de dados e modelos de aprendizado profundo para melhorar a estimativa do estado de carga (SoC) com quantificação de incerteza e eficiência computacional.
Este artigo propõe o framework LAD-CKM, que utiliza campos de radiância de RF dinâmicos e uma rede de representação de radiadores para construir mapas de conhecimento de canal agnósticos à localização em cenas dinâmicas, superando a dependência de informações precisas de localização e melhorando a taxa de dados efetiva em cenários móveis.
Este artigo propõe um projeto de transceptor híbrido em dois estágios para sistemas MIMO massivos em THz com ADCs de baixa resolução e arquitetura parcialmente conectada, que utiliza um modelo de canal rigoroso e um novo método de beamforming com poucas linhas de atraso temporal verdadeiro para mitigar o efeito de divisão de feixe e alcançar um ganho de 13% na eficiência espectral.
Este trabalho estabelece o framework de Computação de Função Distribuída Randomizada (RDFC), uma forma de comunicação semântica que garante privacidade local e eficiência energética ao permitir a transmissão de informações suficientes para gerar funções aleatórias dos dados, demonstrando que o uso de aleatoriedade comum reduz drasticamente a taxa de comunicação em comparação com a transmissão sem perdas, mesmo na ausência de aleatoriedade compartilhada.
O artigo apresenta um preditor de tráfego baseado em decomposição de baixa ordem que, ao utilizar dados históricos em vez de informações em tempo real, consegue reduzir o tempo de viagem excedente para menos de 1,5 minutos, oferecendo um desempenho quase equivalente ao de sistemas de roteamento em tempo real para aplicações de planejamento de transporte.
Este artigo apresenta um gerador de conjunto de dados de referência baseado em padrões IEEE para o reconhecimento passivo em comunicações de redes inteligentes, simulando observadores que alteram a propagação do sinal sem transmitir, o que permite a avaliação padronizada de detectores federados e baseados em grafos para ameaças de inteligência passiva em redes domésticas, de bairro e de área ampla.