Robust Wildfire Forecasting under Partial Observability: From Reconstruction to Prediction

该论文提出了一种两阶段概率框架,通过先利用多种深度学习模型(如 MaskCVAE 和 MaskUNet)从受云烟遮挡的卫星数据中重建火情分布,再进行时空预测,从而有效弥合了训练与部署间的域差距,在严重信息缺失下显著提升了野火蔓延预测的鲁棒性与准确性。

Chen Yang, Mehdi Zafari, Ziheng Duan, A. Lee SwindlehurstWed, 11 Ma⚡ eess

DFPF-Net: Dynamically Focused Progressive Fusion Network for Remote Sensing Change Detection

本文提出了一种名为 DFPF-Net 的动态聚焦渐进融合网络,该网络通过结合金字塔视觉 Transformer 与残差渐进增强融合模块及动态变化聚焦模块,有效克服了遥感图像变化检测中由全局尺度差异和局部光照阴影引起的伪变化与噪声干扰问题,并在多个数据集上取得了优于主流方法的性能。

Chengming Wang, Peng Duan, Jinjiang LiWed, 11 Ma⚡ eess

Two-Stage Hybrid Transceiver Design Relying on Low-Resolution ADCs in Partially Connected MU Terahertz (THz) MIMO Systems

本文针对低分辨率模数转换器下的部分连接多用户太赫兹大规模 MIMO 系统,提出了一种结合吸收、反射及自由空间损耗信道建模与少量真时延线消除波束分裂效应的两阶段混合收发机设计方案,实现了约 13% 的频谱效率提升。

Abhisha Garg, Akash Kumar, Suraj Srivastava, Aditya K. Jagannatham, Lajos HanzoWed, 11 Ma⚡ eess

Amplitude Dependent Bode Diagrams via Scaled Relative Graphs

本文提出了一种基于缩放相对图(SRG)和索伯列夫理论的方法,通过限制输入频率和能量范围来计算非线性 Lur'e 系统的L2L_2增益界,从而构建出一种将L2L_2增益表示为频率和能量函数的三维非线性 Bode 图,该方法在特定输入集上比传统全L2L_2空间分析更具优势,且能退化为线性 Bode 图或L2L_2增益。

Julius P. J. Krebbekx, Roland Tóth, Amritam Das, Thomas ChaffeyWed, 11 Ma⚡ eess