323 Arbeiten
Diese Arbeit stellt eine vollständig auf einem ESP32-S3-Mikrocontroller und einem ADS1299-Analogfrontend basierende, quantitativ charakterisierte EEG-Plattform vor, die eine Echtzeit-Decodierung von SSVEP-Signalen mit 8 Kanälen, einer Online-Genauigkeit von 99,17 % und einer Informationsübertragungsrate von 27,66 Bit/min ohne externe Rechenleistung ermöglicht.
Das Paper stellt LexiSafe vor, ein theoretisch fundiertes Offline-Safe-Reinforcement-Learning-Framework, das durch eine lexikographische Hierarchie von Sicherheits- und Belohnungszielen sowie strukturelle Verzerrungen Sicherheitsverletzungen in cyber-physischen Systemen effektiv verhindert und gleichzeitig die Leistung verbessert.
Die Arbeit stellt zwei inverse optimale Regelungsrahmenwerke vor, die auf „Contractor- und Expander-Funktionen" basieren, um allgemeine nichtlineare Systeme im positiven Orthanten mit positiven Steuereingaben unter Verwendung strikter CLFs stabil zu machen und dabei bio-ökologisch sinnvolle Lösungen für Modelle wie das Räuber-Beute-System zu liefern.
Diese Arbeit stellt den Epistemischen Unterstützungs-Punkt-Filter (ESPF) als den optimalen, evidenzbasierten Filter vor, der Jaynes' Maximum-Entropie-Prinzip mit Popper's Falsifikation verbindet, um die worst-case epistemische Unwissenheit zu minimieren und dabei Bayessche Ansätze durch eine possibilistische Minimax-Optimierung zu übertreffen.
Dieser Beitrag stellt einen datengestützten Ansatz zur sukzessiven Linearisierung vor, der die Spannungsregelung in Stromverteilungsnetzen unter nichtlinearen Leistungsflussbedingungen verbessert, indem er sich dynamisch an den aktuellen Betriebspunkt anpasst und so die Infeasibilität herkömmlicher linearer Methoden vermeidet.
Diese Arbeit stellt einen neuronalen Operator vor, der durch die Integration eines impliziten numerischen Schemas in der Lage ist, aus nur 7 % der Daten die vollständige Frequenzgangkurve eines linearen Einmassenschwingers mit 99,87 % Genauigkeit vorherzusagen, ohne auf physikalische Regularisierungsterme angewiesen zu sein.
Diese Arbeit untersucht die formationsgeregelte Steuerung heterogener Agenten über einen drahtlosen Mehrfachzugriffskanal, indem sie die Überlagerungseigenschaft des Kanals nutzt, um eine Konvergenzgarantie unter Berücksichtigung von Kommunikationsrate und Geometrie zu gewährleisten und dabei die Anzahl der erforderlichen orthogonalen Übertragungen im Vergleich zu störungsvermeidenden Protokollen erheblich zu reduzieren.
Diese Arbeit stellt einen hochauflösenden, digitalen Zwilling-Datensatz für netzgekoppelte Mikrogrids mit zehn inverterbasierten Erzeugern vor, der synchronisierte elektromagnetische Transientenwellenformen unter elf verschiedenen Störszenarien erfasst und damit eine robuste Benchmark für das Training von Ersatzmodellen sowie die Analyse der cyber-physischen Resilienz bietet.
Diese Arbeit stellt einen regelungstheoretischen Ansatz zur Synthese von geschlossenen Empfehlungssystemen in sozialen Netzwerken vor, der als zustandsrückgeführtes Optimalsteuerungsproblem formuliert wird, um Engagement zu fördern und Polarisierung zu vermeiden, wobei gezeigt wird, dass eine sorgfältige Gewichtung der Zielfunktion für die Stabilität entscheidend ist, während eine übermäßige Belohnung von Engagement zu destabilisierenden Pathologien führen kann.
Diese Arbeit stellt eine Methode vor, die das Semi-Infinite-Programming bei der distributionell robusten Steuerung mit Mittelwert-Varianz-Metriken umgeht, indem sie das Problem durch eine Reformulierung als diskontierte Mittelwert-Varianz-Optimierung löst, was in lineare-quadratischen Regler-Szenarien zur Lösung über die Riccati-Gleichung führt und nachweislich zu niedrigeren maximalen Kosten im Vergleich zu konventionellen Methoden führt.
Diese Arbeit stellt einen datengesteuerten Ausgangsrückführungsregler für nichtlineare Systeme vor, der auf einem inversen Kernel-Interpolationsmodell und einer datenbasierten Referenzauswahl beruht und unter einer verifizierbaren Bedingung an den Datensatz eine praktische Ausgangsregelung garantiert.
Dieses Paper stellt Simulation-in-the-Reasoning (SiR) als ein konzeptionelles Rahmenwerk vor, das domainspezifische Simulatoren direkt in den Denkprozess von Large Language Models integriert, um die reasoning von rein narrativer Plausibilität zu einem überprüfbaren, empirisch fundierten Workflow für autonome Transportsysteme zu transformieren.
Die Arbeit stellt Concept-Gated Visual Distillation (CGVD) vor, ein trainingsfreies Inferenzframework, das die Robustheit von Vision-Language-Action-Modellen in überfüllten Umgebungen durch die Trennung relevanter Ziele von visuellen Ablenkungen und die Erzeugung einer bereinigten Szenenrepräsentation signifikant verbessert.
Diese Arbeit formuliert die Vorhersage des Batteriealterungsverlaufs als Weltmodellproblem, das durch die Propagierung latenter Zustände und die Einbeziehung eines Single-Particle-Modell-Constraints die Genauigkeit der Degradationsprognose, insbesondere im kritischen „Knie"-Bereich, im Vergleich zu direkten Regressionsansätzen signifikant verbessert.
Die vorgestellte Studie stellt eine neue Law-Plattform vor, die durch einen quasi-unendlichen multifunktionalen Deckschicht die Temperaturerhöhung um 70 % reduziert und die Acoustomigration unterdrückt, wodurch die Leistungsfähigkeit von Hochfrequenz-SAW-Transducern bei hohen Leistungsbelastungen erheblich gesteigert wird.
Die Arbeit analysiert die Robustheit von Monotone Operator Equilibrium Networks gegenüber Gewichtsquantisierung, zeigt, dass die Konvergenz garantiert bleibt, solange die spektrale Störung kleiner als der Monotonie-Margin ist, und demonstriert experimentell, dass eine quantisierungsbewusste Training diese Konvergenzgarantien selbst bei vier Bit wiederherstellen kann.
Diese Arbeit optimiert den zellbasierten Wechsel in HAPS-gestützten 6G-Netzen durch die Integration realistischer Ausbreitungseffekte und ein Mehrziel-Optimierungsframework, das Energieeffizienz mit der Aufrechterhaltung von Konnektivität und Datenraten vereinbart und durch Simulationen sowie OAI-Emulation validiert wird.
Dieses Papier stellt einen verteilten Schätzer für diskrete, lineare zeitinvariante Systeme vor, der auf der Jordan-Normalform basiert und durch eine Kombination aus lokalen Luenberger-Beobachtern und konsensbasierten Strategien weniger restriktive Bedingungen für die asymptotische Konvergenz der Zustandsschätzung ermöglicht als frühere Arbeiten.
Diese Arbeit stellt einen unteraktuierten bipedalen Hüpfer für die Schwerkraftumgebung des Mondes vor, der mithilfe eines internen Reaktionsrades die Flugphasen-Stabilität verbessert und so eine konsistente, aufrechte Landung auf unebenem Gelände ermöglicht.
Diese Arbeit stellt einen vollständig GPU-nativen Rahmen für die sequenzielle konvexe Programmierung vor, der durch eine konsensbasierte Zerlegung in unabhängige Teilprobleme Echtzeit-Trajektorienoptimierung für nichtlineare autonome Systeme ermöglicht und dabei im Vergleich zu CPU-basierten Ansätzen eine vierfache Durchsatzsteigerung sowie eine signifikante Energieeinsparung erzielt.