321 papers
Dit paper introduceert een energie-efficiënte methode voor het collaboratief vervoer van met een touw opgehangen ladingen door middel van een roterend evenwicht, waarbij centrifugale krachten de horizontale spanning opvangen zodat de drones puur verticale stuwkracht kunnen genereren en het energieverbruik tot 20% kan worden verlaagd.
Dit artikel presenteert een SISA-gebaseerd framework voor machine unlearning dat de invloed van vergiftigde trainingsdata op de diagnose van inter-turn kortsluitfouten in transformatoren effectief verwijdert door alleen de aangetaste data-shards opnieuw te trainen, wat aanzienlijk minder tijd kost dan volledige hertraining terwijl de diagnose-accuraatheid behouden blijft.
Deze studie introduceert een topology-bewust versterkingsleerframework dat persistentiehomologie integreert om de herconfiguratie en lastafschijving in stroomdistributienetwerken tijdens storingen te optimaliseren, wat resulteert in een aanzienlijke verbetering van de energielevering en spanningsstabiliteit.
Dit artikel presenteert een communicatienetwerk-bewust raamwerk dat routeringsbeperkingen integreert met laag-rang matrixcompletie om de nauwkeurigheid van het herstellen van ontbrekende meetgegevens in distributienetwerken te verbeteren, zelfs bij uitval van communicatielinks.
Dit artikel introduceert een gebruiksvriendelijk framework dat wetenschappers in staat stelt om met behulp van LLM-gestuurde scripting en een geoptimaliseerde rendering-systeem complexe petascale tijd-variërende data, zoals NASA-klimaatmodellen, op een standaardwerkplek om te zetten in 3D-animaties binnen een zeer korte doorlooptijd.
Dit paper introduceert GuideTWSI, een divers dataset met synthetische en reële beelden van tactiele wandeloppervlakken, die is ontwikkeld om de geografische en visuele beperkingen van bestaande datasets te overbruggen en zo de nauwkeurige detectie van zowel richtingsstroken als waarschuwingsbulten voor blinden en slechtzienden te verbeteren.
Dit artikel presenteert een nieuwe, distributie-vrije methode voor robuuste trajectoptimalisatie van niet-Gaussische stochastische systemen, die conformale inferentie en statistische contractie gebruikt om kansenbeperkingen om te zetten in waarborgbare deterministische beperkingen voor veilige bewegingsplanning.
Deze studie introduceert ACLM, een op ADMM gebaseerde, gedistribueerde modelpredictieve regeling die legrobots in staat stelt om zware ladingen efficiënt en schaalbaar te vervoeren in complexe omgevingen door het globale optimalisatieprobleem op te splitsen in parallelle subproblemen met behoud van dynamische koppelingen.
Dit tutorialartikel biedt een controlegerichte introductie tot ondersteunde traagheidsnavigatiesystemen door gebruik te maken van een Lie-groepformulering rond de uitgebreide Special Euclidean-groep SE₂(3), met de nadruk op een geometrisch raamwerk voor sensorfusie dat invariance en symmetrie expliciet maakt.
Dit artikel presenteert een op versterkingslering gebaseerd framework voor Vehicle-to-Grid-spanningsregeling dat, via een twee-fasen trainingsaanpak, zowel in enkel- als meer-hub systemen robuuste spanningsstabiliteit garandeert terwijl het rekening houdt met batterijbeperkingen en de beschikbaarheid van het voertuigpark.
Deze review biedt een eerste uitgebreide analyse van netwerkbewuste modellering, optimalisatie en besturing voor geïntegreerde energiesystemen, waarbij de nadruk ligt op het overbruggen van methodologische beperkingen en het definiëren van toekomstige onderzoekrichtingen voor schaalbare, efficiënte en koolstofarme energievoorziening.
Dit artikel presenteert een multi-agent AI-framework dat grote taalmodellen en retrieval-augmented generation combineert om conflicten te detecteren en automatisch strategische beleidsregels (rApps) te genereren en te orkestreren voor Open RAN-netwerken, wat leidt tot aanzienlijke verbeteringen in implementatieprecisie en kostenreductie.
Dit overzichtspaper presenteert een op beperkingen-gekoppelde perspectief voor onderwater geëmbodied intelligentie, waarin het wordt betoogd dat planning en controle moeten worden begrepen binnen de onderlinge afhankelijkheid van fysieke, communicatie- en hulpbronnenbeperkingen om robuuste autonomie in de echte oceaan te bereiken.
Dit artikel presenteert een modelvrij voorspellend tracking-algoritme voor onbekende niet-lineaire systemen met Koopman-lineaire embedden, waarbij wordt aangetoond dat de dynamische regret exponentieel afneemt naarmate de voorspellingshorizon toeneemt.
Deze tutorial survey analyseert hoe machine learning de beperkingen van het Internet van Onderwaterdingen (IoUT) overwint door prestaties op alle netwerklagen te optimaliseren, gebaseerd op een review van 300 studies die aanzienlijke verbeteringen in energie-efficiëntie, doorvoer en betrouwbaarheid aantonen.
Dit artikel presenteert kosten-gedreven representatieleren voor Lineair Kwantitatief Gaussische (LQG) controle met onvolledige observaties, waarbij twee methoden worden onderzocht voor het leren van een latente dynamische model en wiskundige garanties worden geboden voor de optimaliteit van de gevonden controller.
Dit artikel presenteert een convex, op LMIs gebaseerde methode voor -output-feedbackregeling van LPV-systemen met tijdsvariërende invoervertragingen, waarbij het gebruik van parameterafhankelijke Lyapunov-functies en dynamische IQC-vermenigvuldigers in combinatie met een exacte geheugencontroller leidt tot minder conservatieve en efficiëntere ontwerpen dan traditionele geheugenloze benaderingen.
Dit paper presenteert een innovatieve inverse-dynamische waarnemer die een lineair eenspoorvoertuigmodel combineert met een op hyperbolische partiële differentiaalvergelijkingen gebaseerde distributie van de bandendynamica om de zijglijhoek en bandkrachten uitsluitend te schatten op basis van de gier- en zijversnellingsmetingen.
Dit artikel introduceert VB-NET, een fysiek-gedreven gray-box deep learning-framework dat airconditioning-systemen modelleert als virtuele batterijen om de interpretatie, data-efficiëntie en nauwkeurigheid van de gridregulatie te verbeteren.
Dit paper introduceert een lichtgewicht Model Predictive Control-framework voor merkadvertenties dat gebruikmaakt van online isotone regressie om complexe modellen te vermijden en zo de bestedings-efficiëntie en kostenbeheersing in realtime biedingen significant verbetert.