Jul, 2023

Capafoldable: 具有电容感应的自跟踪可折叠智能纺织品

PDF
TL;DR通过折叠和电容感应相结合的方式，使用先进的传感电路和深度学习技术创造了一种新型的自动跟踪折叠智能纺织品 Capafoldable，可重新构建几何基元并实现新的智能纺织品应用。
foldingsmart textilecapacitive sensingdeep learningself-tracking
发现论文，激发创造
  • SuDA：基于支持的域自适应方法在灵活传感器的 Sim2Real 运动捕捉中的应用

    基于领域适应的新型 SuDA 模型，通过支持点对齐而非实例分布对齐，消除了对标注数据的需求，在保持与监督学习相当精确度的同时，利用柔性传感器实现了人体动作捕捉，并具有可穿戴性和隐私保护的优势。

    May, 2024

  • 可重构智能表面的定位：一种主动感知方法

    通过利用长短时记忆网络和深度神经网络的方法，本研究提出了一种改进的主动感知设计，旨在解决上行定位问题，其中基站通过可重构智能表面（RISs）帮助定位远程用户。在实验中，我们说明了这种主动感知设计相较于非主动感知方法的优势，同时研究还表明，在具备多个 RISs 的情况下，一个基站的网络性能可以超过使用多个基站的情况。

    Dec, 2023

  • 通过学习进行通信的主动感知

    本文提出了一种深度学习方法，用于解决无线通信中的一类主动感知问题。该方法利用 LSTM 网络和 DNN 网络，旨在优化自适应信道感知任务，包括自适应波束成形和自适应可重构智能表面感知问题。数值结果表明该新方法优于现有的自适应或非自适应感知方案。

    Dec, 2021

  • 深度学习设计的可重构智能表面室内信号聚焦

    本文提出了使用深度学习方法在室内通信环境中进行无线配置可重构智能面（RIS）的方法，通过深度神经网络实现从用户位置的坐标到 RIS 单元格的配置之间的映射，成功地提高了信号传输速率和用户位置的接收信号强度。

    May, 2019

  • FlexLoc: 零样本传感器视角不变性目标定位的条件神经网络与分布式多模态传感器

    采用条件神经网络将节点视角信息注入定位管道以适应于未见的视角，显著提高多视图室内跟踪中定位准确性的 FlexLoc 技术。

    Jun, 2024

  • 保护感官数据免受敏感推断影响

    本研究提出了移动设备的特征学习体系结构，以适当转换原始感测器数据提供灵活的、可协商的隐私保护传输，并将模型从当前的二进制设置向每个应用程序授予权限的范围内推进，以实现提供的服务。该框架已在 MotionSense 数据集上验证，在保持转换数据对活动识别的有用性的同时，仅有约 3 个百分点的平均损失，同时将性别分类的可能性从使用原始感测器数据时的 90％以上降至使用转换数据时的 50％左右。

    Feb, 2018

  • 利用浅层循环解码网络对任意移动传感器轨迹进行完全状态重建

    利用深度学习架构，通过将动态轨迹信息映射到完整的状态空间估计，演示了基于传感器轨迹的移动传感器的网络模型在感知任务中的出色性能。

    Jul, 2023

  • DeepSense: 一种用于时序移动感知数据处理的统一深度学习框架

    DeepSense 是一个综合性的深度学习框架，能够直接处理移动感应中的噪声和特征自定义挑战。该框架可以应用于广泛的应用，包括汽车追踪、人类活动识别和生物运动分析，大幅优于现有方法。

    Nov, 2016

  • 利用压缩感知和深度学习实现大型智能表面

    本论文提出了一种使用少量活跃元素的大型智能表面 (LIS)，结合压缩感知和深度学习等工具，设计了 LIS 的反射矩阵，从而提高无线系统的覆盖范围和速率。研究结果表明，所提出的压缩感知和深度学习算法能够接近理论上界，且只需极小的训练开销。

    Apr, 2019

  • NaviSlim：自适应上下文感知导航和传感技术通过动态的可裁剪网络

    本文主要介绍了一种名为 NaviSlim 的新型神经导航模型，它是一种有能力根据当前环境、当前轨迹和导航目标选择计算资源和传感资源的神经网络架构，可以自动缩放模型复杂性，优化执行时间和能量消耗，并且可以自动降低传感器的功耗和采集时间，相较于静态神经网络，NaviSlim 模型在不同难度的场景中平均可以降低 57-92% 的模型复杂性和 61-80% 的传感器利用率。

    May, 2024