2039 पेपर
यह शोध पत्र एक यथार्थवादी डिस्क्रीट इवेंट सिमुलेशन (DES) मॉडल प्रस्तुत करता है जिसे क्षेत्रीय आपातकालीन चिकित्सा सेवाओं के स्टोकेस्टिक वर्कफ़्लो को कैप्चर करने के लिए डिज़ाइन किया गया है, जिसे प्रबंधकों को एम्बुलेंस तैनाती और प्रतिक्रिया दक्षता को अनुकूलित करने में मदद करने के लिए इटली में एक केस स्टडी के माध्यम से मान्य किया गया है।
यह शोध पत्र आंशिक रूप से प्रेक्षित परिवेशों में ऑफलाइन डेटा से लीनियर क्वाड्रेटिक गौसियन (LQG) नियंत्रकों को सीखने के लिए सूचना-सैद्धांतिक निचली सीमाओं (information-theoretic lower bounds) को स्थापित करता है, जो यह प्रदर्शित करता है कि सीखने के लिए आवश्यक नमूना जटिलता (sample complexity) मौलिक रूप से प्रणाली की अंतर्निहित नियंत्रण भंगुरता (control fragility) से जुड़ी हुई है।
यह शोध पत्र भौतिकी-सूचित (physics-informed) SINDy-AR का उपयोग करते हुए एक गणनात्मक रूप से कुशल न्यून-क्रम (reduced-order) थर्मोस्फेरिक घनत्व मॉडल प्रस्तावित करता है, जो उपग्रह अवलोकनों को आत्मसात करने के लिए कलमन फिल्टर (Kalman filter) के साथ जुड़ने पर, विशेष रूप से भू-चुंबकीय तूफानों के दौरान, ओपन-लूप भविष्यवाणियों की तुलना में घनत्व अनुमान सटीकता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र द्वैरेखीय अवलोकनों (bilinear observations) वाले रैखिक प्रणालियों के लिए एक बिलीफ-स्पेस मॉडल प्रेडिक्टिव कंट्रोल () विधि प्रस्तावित करता है, जो अधिक अनिश्चितता-जागरूक नियंत्रण सक्षम करने के लिए अनुमानित अवस्था और उसके इनपुट-निर्भर त्रुटि सहप्रसरण (error covariance) दोनों पर सीधे नियोजन करके सेपरेशन प्रिंसिपल की विफलता को संबोधित करता है।
VEHRON एक ओपन-सोर्स, कॉन्फ़िगरेशन-संचालित पायथन फ्रेमवर्क है जिसे परिवर्तनीय सबसिस्टम मॉडल्स और ऑडिट योग्य केस आउटपुट्स के माध्यम से लॉन्गिट्यूडिनल बैटरी-इलेक्ट्रिक वाहन सिमुलेशन के लिए एक नियत (डिटरमिनिस्टिक) और ट्रैसेबल वर्कफ़्लो प्रदान करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र **Belief Net** प्रस्तुत करता है, जो एक डिफरेंशिएबल फ़िल्टरिंग फ्रेमवर्क है जो फॉरवर्ड फ़िल्टर को एक स्ट्रक्चर्ड न्यूरल नेटवर्क के रूप में स्वरूपित करके और स्टोकेस्टिक ग्रेडिएंट डिसेंट के माध्यम से अनुकूलित करके व्याख्या योग्य हिडन मार्कोव मॉडल (HMM) मापदंडों को सीखता है।
यह शोध पत्र एक नया एडेप्टिव एलक्यूआर (LQR) एल्गोरिदम प्रस्तावित करता है जो मौजूदा विधियों की व्यावहारिक सीमाओं—विशेष रूप से प्रारंभिक स्थिरता की आवश्यकता, अन्वेषण (exploration) पर निर्भरता और उच्च कम्प्यूटेशनल तीव्रता—से पार पाने के लिए डायरेक्ट मॉडल-रेफरेंस एडेप्टिव कंट्रोल (MRAC) को एक एपोक-आधारित (epoch-based) दृष्टिकोण के साथ जोड़ता है, जबकि प्रतिस्पर्धी रिग्रेट बाउंड्स (regret bounds) को बनाए रखता है।
यह शोध पत्र पावर सिस्टम के भीतर सौर, पवन और लोड पूर्वानुमान के लिए उनकी प्रभावशीलता और व्यावहारिक उपयोगिता का मूल्यांकन करने हेतु विभिन्न टाइम-सीरीज फाउंडेशन मॉडल्स, ट्रांसफार्मर आर्किटेक्चर और डीप लर्निंग बेसलाइन्स का एक व्यापक अनुभवजन्य बेंचमार्क प्रदान करता है।
यह शोध पत्र सिद्ध करता है कि मॉडल-आधारित पॉलिसी ग्रेडिएंट विधियाँ एक ओवरपैरामीटराइज्ड, वन-हिडन-लेयर ReLU नेटवर्क का उपयोग करके एक स्केलर LQR समस्या के लिए इष्टतम समाधान पर वैश्विक रूप से अभिसरित (converge) हो सकती हैं, जो नेटवर्क की पीसवाइज़-लीनियर संरचना द्वारा प्रेरित दो प्रभावी गेन्स (gains) के अभिसरण का विश्लेषण करती है।
यह शोध पत्र मॉड्यूलर डिजिटल ट्विन्स में त्रुटि प्रसार को कम करने के लिए सिस्टम फिडेलिटी (fidelity) और रखरखाव लागत के बीच संतुलन को अनुकूलित करने हेतु, मार्कोव डिसीजन प्रोसेस (MDP) और पार्शियली ऑब्जर्वेबल मार्कोव डिसीजन प्रोसेस (POMDP) दोनों का उपयोग करते हुए, एक अनुक्रमिक निर्णय लेने वाले ढांचे (sequential decision-making framework) को विकसित करता है।