166 artigos
Este trabalho demonstra empiricamente, utilizando medições reais de 5G NR em três cenários distintos, que o ajuste fino específico do local de receptores neurais melhora significativamente a taxa de erro sem aumentar a complexidade de processamento e que esses ganhos generalizam-se para diferentes hardware e cenários de implantação.
Este artigo propõe o filtro de Wiener multicanal distribuído (dMWF), um algoritmo não iterativo e ótimo para redes de sensores acústicos sem fio que supera as limitações de convergência e de observação de fontes dos métodos existentes, alcançando desempenho equivalente ao de sistemas centralizados com menor uso de largura de banda.
Este relatório técnico apresenta uma estratégia nova, interpretável e baseada em NI para estimar parâmetros iniciais de modelos trigonométricos com dados amostrados de forma irregular, permitindo a localização do mínimo global mesmo em cenários de alto ruído e cobertura temporal limitada, com custos computacionais inferiores aos do método de Lomb-Scargle.
Este estudo avalia experimentalmente um radar FMCW-MIMO de baixo custo para monitoramento não invasivo de sinais vitais, concluindo que, embora o sistema ofereça estimativas precisas de frequências respiratória e cardíaca médias em uma distância ótima de 70 cm, ele apresenta limitações significativas na captura de variações instantâneas e de alta resolução devido a trade-offs inerentes entre parâmetros de configuração e precisão.
Este artigo propõe um método híbrido assistido por modelo que aprimora a previsão de perda de caminho em cenários suburbanos ao introduzir uma compensação adaptativa ao ambiente sobre o modelo de referência de distância livre, alcançando um erro quadrático médio de 4,04 dB em dados medidos na Ilha de Pingtan.
Este artigo propõe um novo quadro de treinamento de feixe para comunicações de campo próximo em canais multipath, baseado em bandits lineares e amostragem de Thompson, que utiliza um prior Gaussiano correlacionado e três estratégias de busca para reduzir a sobrecarga de pilotos em até 90% enquanto supera as técnicas de base em ganho de SNR.
Este trabalho apresenta um neurônio analógico Leaky Integrate-and-Fire de ultra baixo consumo (1,61 fJ/espeto) fabricado em tecnologia CMOS de 28 nm, que, ao ser integrado em um sistema neuromórfico, alcança 82,5% de precisão na tarefa MNIST, demonstrando a viabilidade de soluções de aprendizado de máquina eficientes energeticamente para dispositivos embarcados.
Este artigo propõe um novo método de estimação de canais de alta dimensão em comunicações sem fio, baseado em modelos de difusão generativos e no estimador de risco de Stein não supervisionado, que alcança recuperação de alta fidelidade com latência reduzida em dez vezes e sobrecarga de pilotos pela metade, superando as soluções atuais e facilitando a implementação em tempo real.
Este artigo propõe métodos de otimização e aprendizado por reforço profundo para alocar recursos e alcançar comunicações encobertas com taxa positiva em canais de desvanecimento Rayleigh, considerando diferentes cenários de conhecimento do estado do canal.
O artigo apresenta o NANOMIND, um framework de co-design hardware-software que otimiza a inferência de Modelos Multimodais Grandes em dispositivos portáteis com bateria, dividindo os modelos em módulos executados em aceleradores heterogêneos para reduzir o consumo de energia e o uso de memória, permitindo assistentes inteligentes autônomos e totalmente locais.
Este artigo tutorial apresenta os princípios, estratégias de projeto e direções futuras dos sistemas generalizados de antenas de pinçamento, uma arquitetura flexível que permite o posicionamento dinâmico de pontos de radiação em diversos meios de guiamento para oferecer cobertura centrada no usuário nas redes sem fio de próxima geração.
Este artigo apresenta o AirCNN, um paradigma inovador que utiliza superfícies inteligentes reconfiguráveis (RIS) para implementar operações de redes neurais convolucionais via computação analógica no ar, otimizando parâmetros de transmissão e demonstrando, através de simulações, que arquiteturas com múltiplas RIS e configurações MISO oferecem desempenho superior em classificação, especialmente em ambientes com domínio de linha de visada.
Este artigo propõe um protótipo de gêmeo digital bidirecional com ancoragem de protótipos e aprendizado de multi-periodicidade para realizar diagnóstico de falhas eficiente em cenários de poucos dados, superando as limitações dos métodos tradicionais que dependem de grandes volumes de dados rotulados.
Este estudo apresenta um sistema automatizado de segmentação e classificação de sons intestinais, utilizando sensores acústicos vestíveis e modelos de aprendizado profundo, que oferece uma avaliação objetiva e quantitativa da atividade gastrointestinal, reduzindo significativamente o tempo de anotação manual e apoiando o diagnóstico clínico.
Este artigo apresenta e valida experimentalmente uma abordagem de detecção de interferência em redes 5G baseada na Máquina Tsetlin Convolutiva (CTM), que, ao operar diretamente em blocos de sinal de sincronização, oferece uma alternativa leve, explicável e eficiente em hardware em comparação com redes neurais convolucionais, alcançando desempenho comparável com treinamento significativamente mais rápido e menor consumo de memória.
Este artigo apresenta um framework leve baseado em gêmeo digital para rastreamento de veículos e previsão de colisões em sistemas de transporte inteligentes, que utiliza apenas detecção de objetos e mapas de trajetória pré-construídos para alcançar alta precisão com baixo custo computacional em dispositivos de borda.
Este artigo apresenta um modelo de gargalo de conceitos 3D que integra características morfológicas e hemodinâmicas para classificar aneurismas intracranianos com alta precisão e transparência clínica, superando as limitações de interpretabilidade dos modelos de caixa-preta tradicionais.
O artigo apresenta o MetaSort, um novo algoritmo que integra compressão adaptativa de alta fidelidade e classificação de poucos exemplos de formas de onda de picos neurais por meio de aprendizado de transferência meta, demonstrando alto desempenho em dados in-vivo e potencial para implementação em chip de ultra baixo consumo.
Este artigo apresenta dois novos frameworks evolutivos baseados em modelos, denominados NEMO-DE e NEEF-DE, que realizam a localização de múltiplas fontes no campo próximo utilizando diretamente o modelo de onda esférica contínua, eliminando a necessidade de grades discretizadas, dados rotulados ou restrições de arquitetura de rede.
Este artigo apresenta o projeto e a simulação de uma nova antena monopolo curva otimizada para radares HF de onda celeste, que, ao incorporar uma seção reta e curvatura controlada, alcança ganho e largura de banda superiores em comparação com monopolos convencionais, estendendo-se com sucesso a um arranjo linear de 12 elementos para aplicações de radar além do horizonte.