Prioritizing Gradient Sign Over Modulus: An Importance-Aware Framework for Wireless Federated Learning

该论文提出了一种名为 Sign-Prioritized FL (SP-FL) 的新型无线联邦学习框架,通过优先传输梯度符号并基于数据包与设备层面的重要性差异进行分层资源分配,有效解决了无线资源受限下的通信不可靠问题,显著提升了模型训练精度。

Yiyang Yue, Jiacheng Yao, Wei Xu, Zhaohui Yang, George K. Karagiannidis, Dusit NiyatoThu, 12 Ma⚡ eess

A unified framework for learning with nonlinear model classes from arbitrary linear samples

该论文提出了一种统一框架,用于从任意线性样本中学习非线性模型类,通过引入“模型类相对于采样算子分布的变差”这一核心概念并结合熵积分,建立了近最优的泛化界,从而统一并推广了矩阵草图、压缩感知及生成模型压缩感知等多个经典问题的现有理论结果。

Ben Adcock, Juan M. Cardenas, Nick DexterMon, 09 Ma🤖 cs.LG

Cellular, Cell-less, and Everything in Between: A Unified Framework for Utility Region Analysis in Wireless Networks

本文提出了一种基于非线性映射谱半径的统一框架,用于分析包括超大规模 MIMO 和无小区网络在内的无线网络效用区域,通过刻画可行区域特征和推导凸性充分条件,为加权总和速率最大化问题的凸优化求解及波束成形策略提供了新的理论依据。

Renato Luis Garrido Cavalcante, Tomasz Piotrowski, Slawomir StanczakMon, 09 Ma🔢 math

Unequal Error Protection for Digital Semantic Communication with Channel Coding

本文针对数字语义通信中不同语义比特可靠性需求差异巨大的问题,提出了一种将学习到的比特翻转概率映射为目标保护等级的新视角,并设计了基于重复编码的比特级和基于分块的块级两种不等错误保护框架,在满足异构可靠性约束的同时显著提升了传输效率与任务性能。

Seonjung Kim, Yongjeong Oh, Yongjune Kim, Namyoon Lee, Yo-Seb JeonMon, 09 Ma🔢 math

Beamforming Optimization for Extremely Large-Scale RIS-Aided Near-Field Secure Communications

本文针对极大规模可重构智能表面(XL-RIS)辅助的近场物理层安全通信系统,通过引入人工干扰并联合优化基站预编码向量与 XL-RIS 反射系数矩阵,提出了一种基于交替优化的低复杂度算法,有效解决了非凸保密速率最大化问题,即使在窃听者与合法用户同向且更靠近 XL-RIS 的恶劣场景下也能保障安全通信。

Xiaotong Xu, Qian Zhang, Yunxiao Li, Xuejun Cheng, Meihui Liu, Ju LiuMon, 09 Ma🔢 math

Alkaid: Resilience to Edit Errors in Provably Secure Steganography via Distance-Constrained Encoding

本文提出了名为 Alkaid 的隐写方案,通过引入距离约束编码将最小距离解码原则融入编码过程,在保持可证明安全性的同时实现了对编辑错误(如插入、删除和替换)的确定性鲁棒性,并在解码成功率、嵌入容量及编码效率上显著优于现有最先进方法。

Zhihan Cao, Gaolei Li, Jun Wu, Jianhua Li, Hang Zhang, Mingzhe ChenMon, 09 Ma🔢 math