Derniers articles pour Technologie mobile

Une nouvelle méthode améliore les performances du calcul en périphérie mobile grâce à une gestion efficace des ressources.

Un nouveau cadre améliore l'apprentissage à partir de données limitées dans des environnements fédérés.

MimiC améliore l'apprentissage fédéré en s'attaquant au problème des abandons pour une meilleure précision du modèle.

Combiner la chirurgie DNN et le edge computing booste les capacités de traitement des appareils mobiles.

MobileSAM garde ses fonctionnalités tout en s'optimisant pour les appareils mobiles.

Découvrez comment MPUE et le beamforming améliorent la connectivité et la performance de la 5G.

Une nouvelle approche améliore la précision de la reconnaissance d'activités en utilisant le contexte et la perte sémantique.

Examen des transformateurs préentraînés pour l'apprentissage multitâche et l'efficacité de la communication dans des environnements fédérés.

QBitOpt améliore les performances des réseaux de neurones en optimisant efficacement les allocations de largeur de bit.

Une étude utilise des données mobiles pour analyser les tendances d'humeur et leurs implications pour la santé mentale.

PLiNIO simplifie l'optimisation des réseaux de neurones profonds pour les appareils mobiles et edge.

Explorer comment la personnalité des utilisateurs influence les stratégies d'engagement dans les apps mobiles.

Un nouveau modèle protège les mouvements des utilisateurs tout en garantissant l'utilité des données.

Apprends à prévoir le trafic VoIP pour améliorer la performance du réseau.

L'apprentissage fédéré améliore la vie privée tout en boostant l'entraînement des modèles sur les appareils mobiles.

Un aperçu des types de malware Android et des méthodes d'analyse pour renforcer la sécurité.

DroidDissector aide les chercheurs à identifier les malwares Android efficacement en utilisant des analyses statiques et dynamiques.

SYENet propose des solutions en temps réel pour les tâches de vision de bas niveau sur les appareils mobiles.

Une méthode qui améliore le traitement d'image mobile grâce à une quantification optimisée.

Une nouvelle méthode améliore l'utilisation des grands modèles de langage sur les appareils mobiles.

Une nouvelle méthode optimise les canaux MIMO en utilisant des surfaces intelligentes reconfigurables.

MONDEO lutte contre les malwares botnet en utilisant des méthodes de détection efficaces pour les appareils mobiles.

De nouvelles méthodes réduisent l'utilisation de mémoire pour les grands modèles de langage sur les appareils mobiles.

Une nouvelle méthode améliore les prévisions de canal pour les environnements de communication mobile.

Une méthode pour ajuster la performance des DNN en temps réel pour plus d'efficacité.

Cette étude présente des méthodes pour la reconnaissance des piétons en temps réel avec peu de puissance de traitement.

MALITE propose un moyen efficace de détecter des malwares sur des appareils à faibles ressources.

Une nouvelle approche pour le suivi d'objets avec une architecture de transformateur efficace pour les appareils limités en ressources.

Une nouvelle approche améliore les tâches génératives dans les applis mobiles tout en garantissant la sécurité des données des utilisateurs.

Un système proposé améliore les réseaux mobiles pour la livraison de contenu multimédia.

Explorer des moyens d'améliorer le partage de données tout en garantissant la vie privée des utilisateurs.

Apprends comment les nouvelles techniques améliorent le transfert de données mobiles pendant les transitions.

Améliorer les stratégies de planification des tâches pour les applis mobiles en utilisant l'apprentissage par renforcement profond.

Une nouvelle approche pour améliorer les Vision Transformers pour les appareils mobiles.

NOMA présente des risques de sécurité uniques à cause des canaux partagés entre plusieurs utilisateurs.

Une nouvelle méthode réduit les coûts de calcul dans les réseaux de neurones profonds tout en gardant la précision.

Une nouvelle méthode pour améliorer le suivi d'objets en réalité augmentée avec des appareils mobiles.

Une nouvelle approche améliore l'apprentissage fédéré pour des données clients variées.

De nouvelles familles de séquences à amplitude constante améliorent l'efficacité de la communication sans fil.

Une nouvelle approche simplifie la conception de modèles pour les appareils avec une puissance de calcul limitée.