2864 Arbeiten
Dieses Papier schlägt eine energiebeschränkte Strategie für False-Data-Injection-Angriffe auf cyber-physische Systeme vor, die die Terminal-Schätzfehlerkovarianz unter Beibehaltung der Unauffälligkeit, quantifiziert durch die Wasserstein-Distanz, durch ein optimiertes Angriffssignal und eine Scheduling-Policy maximiert.
Dieses Paper schlägt ein duales Multiskalen-Attention-Netzwerk (MS-BiGRU-Attn) vor, das axiale und normale magnetische Streuflignalsignale unabhängig voneinander verarbeitet, um die Breite von zusammengesetzten Pipeline-Defekten unter nichtlinearer magnetischer Interferenz präzise zu invertieren, wobei es im Vergleich zu Baseline-Modellen eine überlegene Leistung sowohl bei Out-of-Distribution-Simulationen als auch bei der experimentellen Validierung erzielt.
Dieses Papier schlägt eine modenselektive Übertragungsmethode für geführte Wellen vor, die Datenverarbeitungstechniken, einschließlich Gruppenlaufzeit- und Phasensynchronisation zusammen mit Wellenpaket-Anregung nutzt, um spezifische Moden unter Verwendung konventioneller piezoelektrischer Wandler selektiv zu verstärken, ohne dass Hardware- oder Verfahrensänderungen erforderlich sind.
Diese Arbeit präsentiert einen reaktiven 3D-Bewegungsplanungsansatz für einen Franka Emika Panda Manipulator, der überlappende, aufgeblähte Hindernisse zu sternförmigen Proxys gruppiert, um eine auf dynamischen Systemen basierende Steuerung zu ermöglichen, wobei eine verbesserte Zielerreichung in komplexen Szenarien demonstriert wird, während gleichzeitig Kompromisse wie erhöhte Pfadlängen und potenzielle Schließungen von navigierbaren Korridoren hervorgehoben werden.
Diese Studie integriert numerische Simulationen mit dem Fire Dynamics Simulator (FDS), Vollmaßstab-Rauchtests und einem Long Short-Term Memory (LSTM) Deep-Learning-Modell, um die Rauchausbreitung bei Bränden auf Metro-Bahnsteigen zu analysieren und ein hochpräzises Frühwarnsystem zu entwickeln, das eine Genauigkeit von über 98 % bei der Vorhersage kritischer Sichtweitenabfälle erreicht.
Diese Studie zeigt, dass ein feinabgestimmtes ResNet-18-Convolutional-Neural-Network effektiv die Unterscheidung zwischen echten Prozessausreißern und Messfehlern in Daten der optischen Kohärenztomografie (OCT) automatisieren kann, was die Entwicklung pharmazeutischer Beschichtungen durch die Reduzierung der manuellen Überprüfungszeit und die Verbesserung der Datenzuverlässigkeit signifikant beschleunigt.
Reliableformer ist ein gerätebewusstes, physikalisch konsistentes Digital-Twin-Framework, das Vision Transformer auf Memristor-Crossbars abbildet, um Nichtidealitäten zu simulieren, Kompromisse zu bewerten und Maßnahmen auf Schaltungs- und Softwareebene anzuwenden, wodurch eine zuverlässige und nachhaltige analoge KI-Beschleunigung ermöglicht wird.
Dieses Paper präsentiert ein reproduzierbares, auf Python basierendes Framework zur automatischen Bewertung des primären Frequenzgangs von synchronen Wassergeneratoren gegenüber dem ecuadorianischen Netzcode ARCONEL-001/24, wobei dessen Fähigkeit zur Detektion von Reglerfehlern und Berechnungsinkonsistenzen durch eine Fallstudie von 100-MVA-Einheiten mit Auswirkungen auf netzgebundene Stromversorgungssysteme für den Bergbau demonstriert wird.
Dieses Papier schlägt eine auf der Adjacent-Four-Vector-Synthese basierende PWM-Strategie vor, welche die Unterdrückung der Gleichtaktspannung und die harmonische Ausgangsleistung durch die Optimierung der Schaltsequenzen sowie die Nutzung erhöhter Steuerungsfreiheitsgrade im Vergleich zu herkömmlichen Nearest-Three-Vector-Methoden verbessert.
Dieses Papier schlägt ein einfaches und leicht anwendbares Referenzmodell für das Internet der Dinge vor, das sich auf die Kommunikationstechnologie konzentriert, um die Komplexität bestehender Modelle zu bewältigen und gleichzeitig die sichere und ethische Verarbeitung riesiger Datenmengen in der verschmelzenden physischen und digitalen Welt zu unterstützen.