高校专区

Imperial College London（帝国理工学院）

2026-07-10 至 2026-07-10 共收录 2 篇

2603.16481 2026-07-10 cs.LG cs.SY eess.SY math.OC 版本更新

Optimal uncertainty bounds for multivariate kernel regression under bounded noise: A Gaussian process-based dual function

有界噪声下多元核回归的最优不确定性界：基于高斯过程的对偶函数

Amon Lahr, Anna Scampicchio, Johannes Köhler, Melanie N. Zeilinger

机构 * Institute for Dynamical Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院）； Department of Electrical Engineering, Chalmers University of Technology（电气工程系，查尔姆斯理工大学）； Department of Mechanical Engineering, Imperial College London（机械工程系，伦敦帝国理工学院）

AI总结针对有界噪声下再生核希尔伯特空间中的多输出函数，提出一种紧致、确定性的不确定性界，通过无约束对偶公式获得，具有与经典高斯过程置信界相同的结构，便于集成到下游优化中。

Comments Extended version

2505.10946 2026-07-10 cs.IT cs.AI cs.LG eess.SP math.IT 版本更新

ToDMA: Large Model-Driven Massive Token Communications for Semantic Multiple Access

ToDMA：用于语义多址接入的大模型驱动海量令牌通信

Li Qiao, Mahdi Boloursaz Mashhadi, Zhen Gao, Robert Schober, Deniz Gündüz

机构 * The University of Hong Kong（香港大学）； Beijing Institute of Technology（北京理工大学）； University of Surrey（Surrey大学）； Friedrich-Alexander-University Erlangen-Nurnberg（埃森哲-亚琛工业大学）； Imperial College London（伦敦帝国理工学院）

AI总结本文提出ToDMA，一种大模型驱动的语义多址接入方案，将无源随机接入与上下文感知令牌处理结合，用于海量令牌通信。通过压缩感知检测令牌及估计信道状态信息，利用上下文模型恢复冲突令牌，能降低接入延迟并保持令牌恢复与语义重建质量。

Comments Submitted to IEEE journals