3009 papers
Deze studie toont aan dat een machine learning-framework dat gebruikmaakt van aan de voet gemonteerde inertiële sensoren nauwkeurig continue voetvrijheidstrajecten kan schatten over variërende loopsnelheden, waarbij de prestaties worden beïnvloed door loopsnelheid, temporele representatie en de selectie van sensorgegevenskenmerken.
Dit artikel presenteert het ontwerp en de simulatie van een hoogcapacitair RoFSO-systeem dat gebruikmaakt van WDM-MUX, polarisatiemethoden en optische versterkers om 10–20 Gbps datatransmissie over 50 km te bereiken voor 6G-toepassingen, waarbij robuuste prestatieparameters zoals hoge Q-factoren en een lage BER onder heldere weersomstandigheden worden aangetoond, terwijl prestatieverslechtering bij ongunstige weersomstandigheden wordt benadrukt.
Dit artikel presenteert een trim-beperkt aero-propulsief kader voor de integratie van twaalf gedistribueerde elektrische ducted fans op een fixed-wing UAV, waarbij wordt onthuld dat hoewel de configuratie de lift aanzienlijk vergroot, deze ook substantiële weerstandverliezen veroorzaakt en het hoogteroorautoriteit vermindert, wat uiteindelijk een achterwaartse zwaartepuntpositie identificeert als het optimale compromis voor de levensvatbaarheid van het voertuig.
Dit artikel stelt een permutatie-equivariante Transformer Deep Equilibrium Network (DERDEQN) voor die parameterschaling en real-time inferentie bereikt voor het aansturen van duizenden heterogene gedistribueerde energiebronnen door competitieve evenwichten en clearingprijzen te leren via een ongesuperviseerd, label-vrij trainingsproces gebaseerd op markt-clearing en KKT-condities.
Dit artikel presenteert een geïntegreerd IoT-gebaseerd voorspellend onderhoudskader dat hoogresolutie elektrische detectie, multivariate feature engineering en een hybride Prophet-LSTM deep learning-model combineert om effectief beginnende defecten te detecteren en energie-inefficiënties in industriële elektrische activa te kwantificeren.
Dit artikel stelt een op Proximal Policy Optimization (PPO) gebaseerd regelkader voor voor belastingfrequentiebeheer in met hernieuwbare energie geïntegreerde elektriciteitssystemen voor, dat traditionele en andere deep reinforcement learning-regelaars overtreft door aanzienlijk lagere foutmarges en superieure stabiliteit te bereiken over diverse scenario-specifieke verstoringen heen zonder dat heuristische afstemming vereist is.
Deze studie maakt gebruik van numerieke simulaties om de effecten van zijdelingse mechanische rookafvoer op rookterugstroom en temperatuurprofielen in bergtunnels te analyseren, waarbij asymmetrische stromingskenmerken worden onthuld en empirische modellen worden ontwikkeld om longitudinale temperatuurverval en terugstromingslengte te voorspellen voor een verbeterd ontwerp van ventilatiesystemen.
Dit artikel stelt een autonoom, multimodaal framework voor dat PTZ-camera's, drones, draagbare IoT-sensoren en een Digital Twin integreert met Vision Foundation Models om real-time omgevingsrisico-intelligentie, voorspellende veiligheidsanalyse en geautomatiseerde noodreacties te bieden voor de slimme vuurwerkindustrie.
Dit artikel stelt Wiener-KAN voor, een on-board real-time compensatiesysteem voor elektrochemische seismometers dat Wiener-model linearisatie combineert met een vooraf berekend, op een lookup-table gebaseerd Kolmogorov-Arnold-netwerk om effectief nietlineaire frequentiedrift en gevoeligheidsfouten te mitigeren, terwijl een ultra-lage latentie en minimaal resourcegebruik op microcontrollers worden behouden.
Dit artikel stelt een nieuwe spatiotemporele O(1) resonantie-computearchitectuur voor die chemische batterijen in slimme fabrieksmobiliteit elimineert door gebruik te maken van een 64-byte coördinaatvector, virtuele kwantumverwerking en evanescente golfkoppeling om constante latentiecontrole, 92,5% draadloze energieoverdrachtefficiëntie en nul hackingsrisico te bereiken.