324 papers
Dit artikel presenteert de eerste directe vergelijking tussen poortgebaseerde en adiabatische kwantumcomputing voor het oplossen van AC-stroomvloeiproblemen, waarbij de resultaten van QAOA worden gebenchmarkt tegen D-Wave en Fujitsu's Digital Annealer om de prestaties en schaalbaarheid van deze kwantumparadigma's te evalueren.
Dit artikel presenteert conservatieve probabilistische grenzen voor het spectrum van de admittantiematrix en lineaire vermogensstroommodellen onder onzekerheid in netwerkp parameters, waarbij concentratie-ongelijkheden worden gebruikt om de foutmarges van benaderingen zoals DC en LinDistFlow te analyseren en te tonen dat deze grenzen schalen met de netwerkkritikaliteit van knopen.
Dit paper introduceert een nieuwe intervalgebaseerde bereikbaarheidsmethode voor neurale differentiaalvergelijkingen die, door gebruik te maken van gemengde monotonie, een efficiënte en betrouwbare over-benadering biedt die ideaal is voor hoogdimensionale en veiligheidskritische toepassingen, ten koste van enige nauwkeurigheid.
Dit onderzoek presenteert een besturingsstrategie voor meerdere drones om overstromingsgebieden te monitoren door gebruik te maken van Centroidal Voronoi Tessellation met een Gaussische mengselmodel voor dichtheidsfuncties, wat leidt tot een betere dekking en ruimtelijke verdeling dan traditionele methoden.
Dit artikel presenteert een online raamwerk dat gebruikmaakt van een gewijzigde Hankel-DMD met sliding-window en Cadzow-projectie om in real-time ruwe, gedeeltelijke waarnemingen van dynamische obstakels te ontdoen van ruis en te voorspellen voor robuuste robotbewegingsplanning.
Dit artikel introduceert het concept van afhankelijke bereikbare verzamelingen voor twee agenten die een feedbackstrategie volgen, waarbij de geometrie van deze verzameling voor de constante draagwijdte-vervolgingsstrategie wordt gekarakteriseerd via theoretische grenzen en simulaties.
Dit artikel introduceert XR-DT, een Extended Reality-gebaseerd Digital Twin-framework dat een hiërarchische architectuur combineert met een mensbewust Model Predictive Path Integral-besturingssysteem en een Transformer-model voor menselijke trajectvoorspelling, om veilige, efficiënte en interpreteerbare interactie tussen mobiele robots en mensen in gedeelde ruimtes te garanderen.
Dit paper introduceert SORS, een modulaire en hoogwaardige simulator op basis van de eindige-elementenmethode die complexe interacties tussen zachte en stijve materialen nauwkeurig simuleert, waardoor de kloof tussen simulatie en de realiteit voor de ontwikkeling van zachte robots wordt overbrugd.
Dit artikel introduceert StochasticBarrier.jl, een open-source Julia-toolbox die Sum-of-Squares- en piecewise-constant-methoden gebruikt om stochastische barrièrefuncties te synthetiseren voor de veiligheidsverificatie van discrete tijd-stochastische systemen, en die in benchmarks aanzienlijk sneller en schaalbaarder blijkt dan bestaande tools.
Dit paper introduceert een modelvrij online leeralgoritme voor het voorspellen van dynamische systemen op basis van asynchrone waarnemingen, waarbij een regret-garantie van O(log³ N) wordt bewezen en voorwaarden worden geformuleerd waaronder deze methode superieur is aan optimale modelgebaseerde voorspellers.
Dit artikel introduceert het NC-tALC-dataset, een hoogwaardige verzameling trajectgegevens van 152 gecontroleerde experimenten die het rijgedrag en de interacties van overgangsvolautomatische voertuigen (tAV's) tijdens rijstrookwissels met menselijk bestuurde voertuigen in kaart brengen.
Dit artikel stelt een modelleringkader voor dat de interactie tussen bosbranden en elektriciteitsnetwerken analyseert om realistischere testgevallen te ontwikkelen voor het beoordelen van veerkracht en mitigatiestrategieën, rekening houdend met ruimtelijke branduitbreiding, infrastructuurschade en maatschappelijke gevolgen.
Dit artikel presenteert een distributie-agnostisch raamwerk op basis van differentiaal-algebraïsche vergelijkingen dat onzekerheden in neerslag, bodemeigenschappen en beginvoorwaarden kwantificeert en doorgeeft in gekoppelde hydrologische en hydrodynamische systemen voor betrouwbare probabilistische overstromingsvoorspellingen, zelfs bij beperkte metingen.
Dit artikel introduceert een hybride veiligheidsarchitectuur voor multi-agent systemen die een gemengd-geheel lineair programma gebruikt om verantwoordelijkheden voor botsingsvermijding te verdelen, waardoor redundante beperkingen worden geëlimineerd en de lokale berekeningslast wordt verlaagd.
Dit artikel presenteert een nieuwe formulering van de frequentierespons voor niet-lineaire systemen binnen het raamwerk van de Koopman-operator, waarbij de Laplace-getransformeerde van de uitgang wordt gebruikt om Bode-plots te genereren en voldoende voorwaarden voor de existentie van deze respons worden vastgesteld.
Dit paper presenteert een eenvoudige, op een veer-massa-model gebaseerde aanpak voor kleine hoprobots die door het aanpassen van de landingshoek en het toepassen van een corrigerend koppel, stabiel blijft op hellingen zonder complexe sensoren of berekeningen.
Dit paper presenteert een nieuwe, op Markov-beslissingsprocessen gebaseerde transmissieplanning voor draadloze monitoringssystemen met willekeurige data-aankomsten, die een dubbel-AoI-model gebruikt om de asynchrone veroudering van informatie tussen sensoren en het bewakingscentrum te optimaliseren en zo de prestaties ten opzichte van bestaande methoden verbetert.
Dit paper introduceert Conversational Demand Response, een door agentic AI aangedreven tweerichtingscoördinatiemechanisme dat aggregators en prosumers in staat stelt om via natuurlijke taal te communiceren, waardoor schaalbaarheid wordt gecombineerd met transparantie en gebruikersautonomie voor een duurzame deelname aan vraagrespons.
Deze studie presenteert een autonome navigatiemethode voor ruimteschepen in het buitenste zonnestelsel die gebruikmaakt van parallactische verschuivingen van sterren, waardoor posities met een nauwkeurigheid van minder dan één astronomische eenheid kunnen worden bepaald zonder afhankelijkheid van aardse communicatie.
Dit artikel introduceert AIRT, een end-to-end deep-learning framework dat binnen één seconde een uitvoerbaar stralingsbehandelingsplan voor prostaatkanker genereert op basis van CT-beelden, met een kwaliteit die niet onderdoet voor bestaande methoden.