321 artigos
O artigo apresenta o CycleULM, um quadro de aprendizado profundo unificado e sem rótulos que supera as limitações de dados e simulação na microscopia de localização por ultrassom, melhorando significativamente a resolução, a precisão de localização de microbolhas e a velocidade de processamento para viabilizar aplicações clínicas em tempo real.
Este artigo propõe uma nova arquitetura de conversor analógico-digital (ADC) flash de 3 bits sem campo magnético, baseada em junções de tunelamento magnético com torque de rotação de spin (SOT MTJ) e controle de anisotropia magnética por voltagem (VCMA), que elimina a etapa de reinicialização ao alternar conjuntos de MTJs de conversão e fictícios, alcançando uma taxa de conversão de 304,1 MHz com consumo de energia de 476 µW.
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 artigo de pesquisa apresenta uma taxonomia estruturada para classificar os deployments de redes celulares baseadas em nuvem, analisa criticamente desafios técnicos e operacionais como segurança e escalabilidade, avalia as estratégias de adoção das principais provedoras de nuvem e identifica tendências emergentes e desafios abertos para a implementação de redes 6G.
O artigo propõe um algoritmo de consenso médio dinâmico que preserva a privacidade ao mascarar sinais de referência com ondas senoidais geradas localmente, garantindo a convergência do sistema e demonstrando sua eficácia no balanceamento do estado de carga em redes de armazenamento de energia por baterias.
O artigo apresenta o NanoBench, um novo conjunto de dados de benchmark de código aberto coletado no nano-quadrotor Crazyflie 2.1, que fornece sinais de nível de atuador e dados de estado sincronizados para avaliar e desenvolver sistemas de identificação, controle e estimativa de estado específicos para a escala nano.
Este artigo oferece uma revisão abrangente sobre como a transição para aeronaves mais elétricas (MEA) redefine os desafios de integração, energia e segurança dos transmissores de localização de emergência (ELT), abordando desde a evolução tecnológica e qualificação de baterias até a compatibilidade eletromagnética e tendências futuras para sistemas de busca e salvamento.
Este artigo apresenta o primeiro uso de uma abordagem baseada em aprendizado profundo para segmentar imagens de tomografia de coerência óptica de baixo custo (SELF-OCT), demonstrando que uma rede neural convolucional combinada com um autoencoder denoising pode segmentar com alta precisão a retina total e corrigir erros causados por artefatos, embora a segmentação de descolamentos do epitélio pigmentar permaneça desafiadora.
Este artigo propõe um método para estimar as taxas de falha em sistemas de tempo real estáticos e periódicos com prioridade Rate Monotonic, utilizando uma aproximação da distribuição de tempos de resposta por meio de uma mistura de distribuições Inverse Gaussian e um algoritmo Expectation-Maximization adaptado, cuja eficácia é validada por simulações extensivas.
Este artigo apresenta uma abordagem inovadora para a co-otimização do layout físico e do controle de sistemas de transporte aéreo cooperativo, visando maximizar a precisão e a robustez ao transportar cargas através da disposição ótima de drones e do projeto de controladores validados experimentalmente.
O artigo apresenta o DMaC, um algoritmo distribuído de tempo finito que garante a convergência exata para o consenso máximo em redes direcionadas com links de comunicação não confiáveis, incorporando um mecanismo de término totalmente distribuído e utilizando canais de feedback de erro livre de banda estreita para minimizar a sobrecarga.
Este artigo propõe um método inovador que utiliza Grandes Modelos de Linguagem (LLMs) para guiar a busca evolutiva de políticas de controle interpretáveis, representadas como programas em linguagens padrão como Python, permitindo a geração de comportamentos complexos em sistemas dinâmicos com maior transparência e facilidade de ajuste humano em comparação com redes neurais tradicionais.
O artigo apresenta o 3D-PIUNet, um método híbrido inovador que combina soluções físicas iniciais com redes neurais convolucionais 3D para melhorar significativamente a precisão espacial na reconstrução de fontes cerebrais a partir de sinais de EEG, superando tanto as abordagens tradicionais quanto as baseadas puramente em aprendizado de dados.
Este artigo propõe um método prático de seleção de fases para superfícies inteligentes reconfiguráveis (RIS) em sistemas multiusuário, que divide a RIS em subsuperfícies dedicadas a usuários individuais em faixas de frequência distintas, derivando expressões fechadas para a relação sinal-ruído em ambientes Ricean e Rayleigh correlacionados e introduzindo processos iterativos que reduzem significativamente a complexidade computacional enquanto mantêm desempenho competitivo e maior robustez em cenários com forte linha de visada.
Este artigo apresenta uma revisão sistemática do processamento de sinais e aprendizado em grafos variantes no tempo, comparando metodologias recentes, destacando seus prós e contras e delineando desafios e direções futuras para superar a limitação de assumir grafos estáticos em sistemas do mundo real.
Este artigo propõe uma nova estratégia de exploração direcionada para sistemas lineares invariantes no tempo com perturbações não estocásticas e limitadas em energia, utilizando um programa semidefinido para garantir uma precisão desejada na estimativa de parâmetros sem assumir distribuições específicas das perturbações.
O artigo demonstra que modelos recentes de supressão de ruído em fala podem ser facilmente enganados por ruído adversarial imperceptível, resultando em áudio ininteligível e destacando a necessidade de contramedidas antes de sua adoção em aplicações críticas.
Este artigo propõe o uso de controle supervisor modular de sistemas de eventos discretos para reduzir a complexidade computacional e aumentar a robustez na previsão e mitigação de falhas em cascata em sistemas de energia, validando a abordagem através de simulações em plataformas MATLAB com os sistemas IEEE de 30, 118 e 300 barras.
Este artigo propõe um método de fusão de imagens com poucos exemplos que introduz o conceito de "priors incompletos" e um algoritmo de computação de granularidade de pixel (GBPC) para permitir que redes neurais leves aprendam regras de fusão adaptativas sem a necessidade de imagens fundidas reais supervisionadas.
Este artigo propõe um framework determinístico baseado em difusão para o controle da densidade de probabilidade de sistemas não lineares, utilizando um processo reverso de "remoção de ruído" para sintetizar leis de feedback que guiam o sistema a uma distribuição alvo, com garantias teóricas para sistemas sem deriva e LTI.