361 Arbeiten
Diese Arbeit beweist einen Superpositionssatz für die Eingangs-zu-Ausgangs-Stabilität (IOS) nichtlinearer unendlichdimensionaler Systeme, indem sie neue Stabilitätskonzepte einführt und sowohl bekannte Ergebnisse für endlichdimensionale Systeme als auch für die Eingangs-zu-Zustands-Stabilität (ISS) als Spezialfälle umfasst.
Diese Arbeit stellt einen Ansatz vor, der durch die dynamische Anpassung der Antwortqualität energieintensiver Dienste an die aktuelle Kohlenstoffintensität des Stromnetzes und die Einhaltung eines jährlichen CO₂-Budgets die Emissionen von Large-Language-Model-Services um bis zu 10 % senken kann.
Diese Arbeit stellt einen neuartigen Rahmen vor, der iterative Optimierungsalgorithmen für zeitvariante Probleme als lineare parameterveränderliche Systeme modelliert und mittels Integraler Quadratischer Beschränkungen (IQCs) quantitative Fehlergrenzen ableitet, die von zusätzlichen Maßen der zeitlichen Variabilität abhängen.
Die Arbeit stellt Space-O-RAN vor, eine verteilte Steuerungsarchitektur, die die Prinzipien von Open RAN auf Satellitennetzwerke überträgt, indem sie durch hierarchische Regelkreise, leichte Onboard-Anwendungen und eine dynamische Schnittstellenabbildung autonome, intelligente und interoperable nicht-terrestrische Netze für 6G ermöglicht.
Diese Arbeit stellt einen selbstüberwachten Ansatz für die UAV-Trajektorienplanung vor, der lernbasierte Tiefenwahrnehmung mit differenzierbarer Optimierung und einer neuronalen Zeitallokation verbindet, um ohne Expertenlabels robuste und effiziente Flugbahnen in 3D-Umgebungen zu generieren und dabei die Positionsgenauigkeit sowie den Energieverbrauch im Vergleich zum aktuellen Stand der Technik signifikant zu verbessern.
Diese Arbeit stellt einen iterativen Algorithmus zur tangentialen Interpolation für die Modellreduktion von MIMO-Systemen vor, der durch die Optimierung von Interpolationsgewichten und die schrittweise Hinzunahme von Niedrigrang-Daten eine monoton abnehmende gewichtete -Fehlerschranke garantiert und dabei eine vergleichbare Leistung zu etablierten Methoden erzielt.
Diese Studie stellt eine robuste Regelungsstrategie für einen Gegenstrom-Wärmetauscher vor, die auf einem bilinearen Systemmodell basiert und durch reale Experimente die Wirksamkeit sowohl eines Zustandsbeobachters als auch eines reinen Integralreglers zur Temperaturregelung nachweist.
Die Arbeit stellt „Zono-Conformal Prediction" vor, eine neue Methode zur Unsicherheitsquantifizierung, die mittels Zonotopen effizientere und weniger konservative Vorhersagemengen für Regressions- und Klassifikationsaufgaben bereitstellt als bestehende Ansätze.
Dieses Konzeptpapier stellt das Adaptive Quantized Planetary Crater Detection System (AQ-PCDSys) vor, eine Architektur, die durch Quantisierungsbewusstes Training und adaptive Multi-Sensor-Fusion die Echtzeit-Erkennung von Planetenkranzern auf ressourcenbeschränkter, strahlungsharter Weltraumhardware ermöglicht.
Diese Arbeit stellt eine Lernmethode namens L-IPM vor, die mithilfe von LSTM-Netzen und einem gitterbasierten Mechanismus den zentralen Pfad des Innere-Punkte-Verfahrens für das Optimal Power Flow-Problem vorhersagt, um die Lösungszeit um bis zu 94 % zu verkürzen, ohne dabei die Genauigkeit oder Machbarkeit zu beeinträchtigen.
Diese Arbeit stellt eine kontinuierliche, zeitinvariante Regelungsstrategie vor, die eine fast globale Stabilisierung auf der n-Sphäre unter starren und sternförmigen Hindernisbeschränkungen ermöglicht, indem sie den Zustand entweder entlang der Geodäte zum Ziel oder in Richtung des Antipoden eines Hindernisses lenkt.
Die vorgestellte dispatch-bewusste Deep-Neural-Network-Methode (DA-DNN) beschleunigt das optimale Umschalten von Übertragungsleitungen, indem sie durch eine eingebettete differenzierbare DC-OPF-Schicht physikalische Zwangsbedingungen direkt während des Trainings und der Inferenz erzwingt, wodurch die Notwendigkeit kostspieliger vorab gelöster Labels entfällt und gleichzeitig Skalierbarkeit sowie Generalisierungsfähigkeit auf nicht trainierte Netzkonfigurationen gewährleistet werden.
Dieser Beitrag stellt einen strahlungsharten Delta-Sigma-Strom-Digitizer in 130-nm-CMOS-Technologie vor, der durch eine flexible Architektur mit 200 dB Dynamikbereich sowohl schnelle Strahlverlustwarnungen als auch präzise sub-Picoampere-Messungen für Anwendungen in der Hochenergiephysik ermöglicht.
Dieser Beitrag stellt das konzeptionelle Framework des GenAI Workbench vor, eine MBSE-Umgebung, die auf einer Open-Source-PLM-Plattform aufbaut und durch die Integration von multimodalen Daten sowie KI-gestützter Analyse und Synthese eine nahtlose digitale Durchgängigkeit von Anforderungsdokumenten bis hin zu Systemarchitekturen ermöglicht.
Diese Arbeit stellt ein multidisziplinäres Optimierungsframework vor, das die Trajektorienplanung für eine Low-Thrust-Asteroiden-Orbitaleinschleusung um 16-Psyche mittels elektrischer Antriebe und die Auslegung des Energiesystems unter Berücksichtigung der variablen Sonnenbestrahlung und des SPT-140-Hall-Triebwerks koppelt, um realistischere und effizientere Missionsdesigns zu ermöglichen.
Diese Arbeit stellt eine Echtzeit-Implementierung einer lose gekoppelten GNSS/IMU-Integration mittels Faktorgraphen-Optimierung vor, die in urbanen Umgebungen eine erhöhte Verfügbarkeit gegenüber Batch-Verfahren bietet, jedoch mit einem Kompromiss bei der Positionsgenauigkeit einhergeht.
Diese Arbeit stellt eine Echtzeit-Methode zur eng gekoppelten GNSS-IMU-Integration mittels Faktorengraf-Optimierung vor, die durch inkrementelle Optimierung mit fester Verzögerung eine robuste Positionsbestimmung in stark urbanen Umgebungen ermöglicht.
Dieser Artikel stellt einen lokal implementierbaren Ansatz für Netzwerksicherheitsfilter vor, der auf einer Zwei-Zeitskalen-Designmethode basiert, um globale Koordination zu vermeiden und dabei explizite Grenzen für den Sicherheitsverlust infolge von Zeitverzögerungen und Schätzfehlern aufzeigt.
Diese Studie analysiert die langfristige Wirksamkeit von Öko-Routing in sechs US-Städten unter dem Einfluss des Bevölkerungswachstums und zeigt, dass gezielte Kapazitätserweiterungen an kritischen Engpässen sowohl Emissionen als auch Reisezeiten signifikant senken können, ohne die Effizienz des Öko-Routings zu beeinträchtigen.
Diese Arbeit formalisiert das Lernen von Kommunikation in dezentralen, teilweise beobachtbaren Umgebungen durch den Einsatz von Informationsstrukturen, identifiziert quasi-klassische Szenarien als recheneffizient lösbar und entwickelt darauf aufbauend provierbare Algorithmen mit quasi-polynomieller Komplexität.