⚡ Category

eess

1597 Arbeiten

⚡ electrical engineering

Evaluating national machine-learning predictions of household biogas use across time and local contexts in Nepal

Diese Studie bewertet die Übertragbarkeit nationaler Machine-Learning-Modelle zur Vorhersage der Nutzung von Biogas in Haushalten in Nepal über verschiedene Zeiträume und lokale Kontexte hinweg und stellt fest, dass die Modelle zwar eine starke Fähigkeit beibehalten, Haushalte nach ihrer relativen Wahrscheinlichkeit zu ranken, ihre absoluten Prävalenzvorhersagen jedoch über die Zeit und den Ort driften, was darauf hindeutet, dass sie am besten als adaptive Benchmarks zur Überwachung von Energietransitionen anstatt als feste Prognosen verwendet werden sollten.

Ren Cao, Li An2026-09-13
⚡ electrical engineering

Study on plasticity and compressibility behaviour of jute and coir reinforced soft soil

Diese Studie zeigt, dass die Einbindung von 2 % Kokos- oder Jutefasern in expansive weiche Böden deren technische Leistungsfähigkeit signifikant verbessert, indem die Plastizität und Kompressibilität reduziert und gleichzeitig die Festigkeit durch Mechanismen wie Faserüberbrückung und Partikelverzahnung erhöht wird, was eine nachhaltige Alternative für die Bodenstabilisierung darstellt.

Ansab Shafi Mir, Bhuvaneshwari S., Anasua GuhaRay2026-09-12
⚡ electrical engineering

Benchmarking machine and deep learning for retrospective multi-horizon prediction of GloFAS-modelled high flows at Hardinge Bridge in Bangladesh

Diese Studie vergleicht verschiedene Machine- und Deep-Learning-Modelle zur Vorhersage von Hochwasserereignissen an der Hardinge Bridge in Bangladesch und stellt fest, dass Random Forest in rein meteorologischen Szenarien neuronale Netze übertraf, während die Einbeziehung aktueller hydrologischer Zustandsdaten die Vorhersagegenauigkeit signifikant stärker verbesserte als die architektonische Komplexität, wenngleich die Ergebnisse eher einen reproduzierbaren Proxy-Benchmark als eine operative Leistungsfähigkeit darstellen, da eine gemeinsame Datenlinie zwischen Prädiktoren und Zielwerten besteht.

Asif Ahamed, Ahammad Hossain, Md. Tanvir Hasan, Most. Alisa Tabassum, Md. Kamruzzaman, Jayanta Das, A. H.M. Rahmatullah (…)2026-09-12
⚡ electrical engineering

Glassy Carbon Electrode-Integrated Microfluidic CD Platform for Point-of-Care Detection of SARS-CoV-2 Spike Protein and Prostate-Specific Antigen

Diese Studie präsentiert eine kostengünstige, tragbare und ultrasensitive, mit einer Glaskohlenstoffelektrode integrierten zentrifugalen mikrofluidischen CD-Plattform, die zur markierungsfreien, dualen elektrochemischen Detektion des SARS-CoV-2-Spike-Proteins und des prostataspezifischen Antigens für Point-of-Care-Anwendungen fähig ist.

Naresh Mandal, Bidhan Pramanick2026-09-12
⚡ electrical engineering

Physics-guided explainable machine learning and uncertainty quantification for predicting unconfined compressive strength of nano shale–quicklime stabilized kaolin clay

Diese Studie schlägt ein physikgestütztes, erklärbares maschinelles Lernframework unter Verwendung eines optimierten CatBoost-Modells vor, um die einaxial komprimierbare Druckfestigkeit von Nano-Schiefer–Kalkhydrat-stabilisiertem Kaolin-Ton präzise vorherzusagen, während gleichzeitig Unsicherheiten quantifiziert und entscheidende physikalische Treiber wie Plastizität und Aushärtungsinteraktionen identifiziert werden.

Arash Aminaee, Abolfazl Soltani, Abolfazl Baghbani, Parisa Salehan, Hossam Abuel-Naga, Pijush Samui2026-09-12
⚡ electrical engineering

Air-Bearing Testbeds for CubeSat and Nanosatellite Attitude Determination and Control Systems: A Systematic Review of Hardware, Control, and Validation Methodologies

Diese systematische Übersichtsarbeit synthetisiert 40 Studien zu Luftlager-Testständen für CubeSat- und Nanosatelliten-ADCS, hebt den Wandel hin zu modularer und Open-Source-Hardware hervor, identifiziert kritische Lücken bei der Sensorfusion und Triebwerksvalidierung und priorisiert zukünftige Fortschritte in der hochpräzisen Störgrößenkompensation, digitalen Zwillingen sowie KI-gestützter Diagnostik.

Islam Ibrahim, Mohamed Riad Ghazy, Aboubakr M. Elhady2026-09-12
⚡ electrical engineering

Transformation of Smart Power Grids with Artificial Intelligence: Challenges, Opportunities, and Future Outlook

Diese Arbeit untersucht, wie Techniken der künstlichen Intelligenz, wie etwa Deep Learning und Optimierungsalgorithmen, kritische Herausforderungen in intelligenten Stromnetzen – einschließlich der Integration erneuerbarer Energien, des Lastmanagements und der Cybersicherheit – adressieren, um die Energieeffizienz, Zuverlässigkeit und Nachhaltigkeit durch reale Anwendungen zu verbessern.

Seyed Enayatallah Alavi2026-09-12
⚡ electrical engineering

Quantum Federated Digital Twin Framework with Explainable Multi-Agent Intelligence for Autonomous Engineering Management

Dieses Paper stellt das QFDT-XMAI-Framework vor, eine fünfschichtige Architektur, die quantenoptimiertes föderiertes Lernen, Graph-Attention-Multi-Agenten-Koordination und erklärbare KI integriert, um ein autonomes, auditierbares Engineering-Management über verteilte Standorte hinweg zu ermöglichen, während gleichzeitig der Datenschutz gewahrt und die Konvergenzeffizienz sowie die Entscheidungstransparenz verbessert werden.

Nilesh Vasant Ingale, Mahesh Dhande, Pankaj Deshmukh2026-09-11
⚡ electrical engineering

A Sensor-Centric Survey of SLAM and Odometry for GPS-Denied Environments

Diese Arbeit präsentiert eine sensorzentrierte Übersicht über SLAM und Odometrie für GPS-gestörte Umgebungen, indem sie die Literatur nach Sensormodalität und Reifegrad organisiert, um Leistungsabwägungen zu analysieren, Schlüsseltrends wie Multi-Sensor-Fusion und neuronale Integration zu identifizieren und zu argumentieren, dass robuste Lokalisierung komplementäre Sensorik in Kombination mit unsicherheitbewussten Schätzern erfordert, während sie gleichzeitig fragmentiertes Benchmarking als eine wesentliche Barriere für den Fortschritt hervorhebt.

Aristeidis Geladaris, Panagiotis Polygerinos2026-09-11
⚡ electrical engineering

Semantic Novelty, Influence, and Patent Persistence in Robotics Innovation: Embedding-Native Indicators and Maintenance-Fee Validation

Diese Studie nutzt ein Transformer-basiertes Framework auf fast 20.000 US-Robotikpatenten, um zu demonstrieren, dass semantische Neuartigkeit allein zwar nicht die Patentpersistenz vorhersagt, der vorwärtsgerichtete semantische Einfluss jedoch die Wahrscheinlichkeit eines Ausfalls von Aufrechterhaltungsgebühren signifikant reduziert, und Neuartigkeit nur dann zur Retention beiträgt, wenn sie innerhalb etablierter Domänen technisch lesbar bleibt.

Chong Guan, Yuchao Cheng2026-09-11