procesamiento de señal
Todas las noticias con este tag · Estados Unidos.
Ver estadísticas de este tema
Noticias por hora
Últimas 24 horas · hora argentina
Consultar los valores por hora
| Hora | Noticias |
|---|---|
| 20 nov 2026, 5:00 p. m. | 0 |
| 20 nov 2026, 6:00 p. m. | 0 |
| 20 nov 2026, 7:00 p. m. | 0 |
| 20 nov 2026, 8:00 p. m. | 0 |
| 20 nov 2026, 9:00 p. m. | 0 |
| 20 nov 2026, 10:00 p. m. | 0 |
| 20 nov 2026, 11:00 p. m. | 0 |
| 21 nov 2026, 12:00 a. m. | 0 |
| 21 nov 2026, 1:00 a. m. | 0 |
| 21 nov 2026, 2:00 a. m. | 0 |
| 21 nov 2026, 3:00 a. m. | 0 |
| 21 nov 2026, 4:00 a. m. | 0 |
| 21 nov 2026, 5:00 a. m. | 0 |
| 21 nov 2026, 6:00 a. m. | 0 |
| 21 nov 2026, 7:00 a. m. | 0 |
| 21 nov 2026, 8:00 a. m. | 0 |
| 21 nov 2026, 9:00 a. m. | 0 |
| 21 nov 2026, 10:00 a. m. | 0 |
| 21 nov 2026, 11:00 a. m. | 0 |
| 21 nov 2026, 12:00 p. m. | 0 |
| 21 nov 2026, 1:00 p. m. | 0 |
| 21 nov 2026, 2:00 p. m. | 0 |
| 21 nov 2026, 3:00 p. m. | 0 |
| 21 nov 2026, 4:00 p. m. | 0 |
| 21 nov 2026, 5:00 p. m. | 0 |
Noticias por día
Últimos 30 días, incluido hoy · hora argentina
Consultar los valores por día
| Día | Noticias |
|---|---|
| 2026-10-23 | 0 |
| 2026-10-24 | 0 |
| 2026-10-25 | 0 |
| 2026-10-26 | 0 |
| 2026-10-27 | 0 |
| 2026-10-28 | 0 |
| 2026-10-29 | 0 |
| 2026-10-30 | 0 |
| 2026-10-31 | 0 |
| 2026-11-01 | 0 |
| 2026-11-02 | 0 |
| 2026-11-03 | 0 |
| 2026-11-04 | 0 |
| 2026-11-05 | 0 |
| 2026-11-06 | 0 |
| 2026-11-07 | 0 |
| 2026-11-08 | 0 |
| 2026-11-09 | 0 |
| 2026-11-10 | 0 |
| 2026-11-11 | 1 |
| 2026-11-12 | 0 |
| 2026-11-13 | 0 |
| 2026-11-14 | 0 |
| 2026-11-15 | 0 |
| 2026-11-16 | 0 |
| 2026-11-17 | 1 |
| 2026-11-18 | 1 |
| 2026-11-19 | 0 |
| 2026-11-20 | 1 |
| 2026-11-21 | 0 |
Los gráficos cuentan por fecha de publicación y respetan los filtros. El archivo incluye todo el histórico.
Noticias de procesamiento de señal
4 noticias · De más nuevas a más antiguas.
Autoencoders Omni-modales aprenden representaciones desentrañadas para dispositivos portátiles
Se presenta el marco OmniDecVAEs, un Autoencoder Variacional que aprende representaciones multi-propósito a partir de múltiples modalidades con un solo codificador-decodificador compartido. Este modelo mejora el reconocimiento de actividad humana y el reconocimiento de identidad en conjuntos de datos de dispositivos portátiles, superando a modelos supervisados en reconocimiento de sujetos no vistos. Además, su capacidad generativa mejora la reconstrucción y el reconocimiento de afecto en datos sintéticos.
Prototipo de calibración de fusión desacoplada y subbanda con captura sin etiquetar para el acoplamiento de fingerprinting de RF en IoT
Se propone un nuevo marco de RFFI llamado GSDF-CAPC para la identificación de fingerprinting de RF en IoT, abordando el cruce de SNR. Este método modula dinámicamente formas de onda y utiliza una puerta de SNR física ciega. Los resultados demuestran que GSDF supera a otros métodos en pruebas emparejadas, logrando una pérdida de baja SNR de 0.00 pp.
Integración de canal dual-etapa posterior para comunicación de tokens asistida por MLM
Se propone un marco de integración de canal posterior de doble etapa en el lado del receptor para la reconstrucción de tokens asistida por modelos de lenguaje (MLM). Este método permite detectar posiciones de tokens poco fiables y construir un posterior del canal a nivel de vocabulario. Los experimentos demuestran una mejora de hasta el 67.2% en la similitud del coseno en comparación con la reconstrucción solo con contexto.
Escuchar las características: Anonimización de voz impulsada por el emparejamiento de incrustaciones de contenido sobre la reconstrucción de señal
Se presenta un modelo de anonimización de voz que preserva el contenido mediante incrustaciones extraídas de un codificador wav2vec2. El método utiliza cuantización vectorial y un vocoderr HiFi-GAN, logrando un bajo error de palabra (WER 2.53) y manteniendo parcialmente las emociones.