2621 Arbeiten
Diese Arbeit zeigt auf, dass Behauptungen bezüglich des Energieeffizienz-Crossover-Punkts zwischen elektrischen und optischen Chip-Interconnects hochgradig von der Definition der Systemgrenzen abhängen, wobei sie offenlegt, dass Gewinne auf Komponentenebene nur dann in systemweite Vorteile übergehen, wenn alle Overheads gemeinsam berücksichtigt werden.
Diese Studie zeigt, dass maschinelle Lernmodelle, insbesondere baumbasierte Algorithmen wie CatBoost und Random Forest, die geothermischen Bohrlochtemperaturen unter Verwendung hydrogeochemischer Datensätze effektiv vorhersagen können, was eine robuste Alternative für die Ressourcenbewertung in Gebieten mit begrenzten direkten Messungen darstellt.
Diese Arbeit präsentiert ein exaktes Entkopplungs-Framework für externe und interne Impedanz in Teams aus N Robotern mit redundanter Aktuierung, wobei bewiesen wird, dass interne Kräfte keine Bewegungsbiase induzieren und Tracking-Fehler unter exakter Modellierung exponentiell konvergieren, während der Ansatz durch Simulationen und eine physische Demonstration von vier Humanoiden, die eine schwere Last tragen, validiert wird.
Dieses Papier präsentiert ein kollisionsbewusstes Koordinationsframework für duale hydraulische Bohrmanipulatoren, das mit RoboCompiler generierte Mechanismusmodelle mit zentralisierter Control Barrier Function-Optimierung integriert, um sicheres, effizientes gleichzeitiges Bohren zu erreichen und dabei eine Reduktion der Missionszeit um 42,5 % im Vergleich zum sequenziellen Betrieb unter Einhaltung strikter Abstands- und Kontaktbeschränkungen zu demonstrieren.
Diese Studie schlägt ein neuartiges hybrides ANN-CCO-Framework vor, das den Cuckoo Catfish Optimizer nutzt, um die Parameter des neuronalen Netzes abzustimmen, wodurch im Vergleich zu den eigenständigen ANN- und XGBoost-Modellen eine signifikant höhere Genauigkeit bei der Prognose des monatlichen städtischen Wasserverbrauchs in Izmir erreicht wird.
Diese Arbeit präsentiert einen label-effizienten Workflow, der unüberwachtes CIELAB-Clustering zur Generierung von Proxy-Masken mit einer kompakten U-Net-Architektur kombiniert, um eine schnelle, reproduzierbare und genaue Segmentierung von SiC-, freier Silizium- und Kohlenstoffphasen in Keramik-Mikrografien zu erreichen, wobei die herkömmlichen Thresholding-Methoden unter Kontrastarmut signifikant übertroffen wird und gleichzeitig eine hochdurchsatzfähige Phasenanteilsquantifizierung ermöglicht wird.
Diese Studie erläutert den Mechanismus des durch Störungen induzierten Wassereinbruchs in tiefen Phosphatminen mittels Fluid-Festkörper-Kopplungssimulationen und etabliert ein hochgenaues Vorhersagemodell für die sichere wasserresistente Gesteinsdicke basierend auf orthogonalem Design und multipler linearer Regression.
Dieses Papier schlägt eine Methode zur Vorhersage der durch Schnittkräfte induzierten Werkzeugablenkung für dünnwandige gitterartige konische Schalen vor, die eine auf der Donnell-Schalentheorie basierende analytische Modellierung mit einem physikalisch beschränkten Transferlernmodell kombiniert, um die elastische Verformung genau vorherzusagen und Wandstärkenfehler zu adressieren, die durch Steifigkeitsmutationen und begrenzte experimentelle Daten verursacht werden.
Diese Studie präsentiert einen autonomen kettengetriebenen Sprühroboter für Schafställe, der ein hierarchisches ROS-basiertes Navigationssystem mit geschwindigkeitsabhängiger Durchflusssteuerung integriert und sowohl in Simulationen als auch in physischen Feldtests eine hohe Kartierungsgenauigkeit, eine nahezu perfekte geometrische Abdeckung sowie eine robuste Hindernisumgehung nachweist.
Diese Studie zeigt, dass, obwohl vier gemeinsam eingesetzte elektrostatische Messgeräte in einem thailändischen Kraftwerk eine hohe Datenwiederherstellung und eine starke Übereinstimmung bei Mittelung ihrer Messwerte erreichten, signifikante zeitvariable, gerätespezifische Diskrepanzen zwischen den einzelnen Stationen deren Zuverlässigkeit für direkte Punkt-zu-Punkt-Vergleiche ohne integrierte Kollokationsprüfungen einschränken.