Frequency-Separable Hamiltonian Neural Network for Multi-Timescale Dynamics
本文提出了一种频率可分的哈密顿神经网络（FS-HNN），通过利用多个网络分别参数化快慢模式并基于不同时间尺度采样数据进行训练，有效克服了传统哈密顿神经网络难以捕捉多时间尺度复杂动态的局限，显著提升了在常微分方程和偏微分方程问题上的长期外推性能与泛化能力。
⚡ Category
eess.SY
322 篇论文
CLAIRE: Compressed Latent Autoencoder for Industrial Representation and Evaluation -- A Deep Learning Framework for Smart Manufacturing
本文提出了名为 CLAIRE 的混合深度学习框架，通过结合无监督深度表征学习与监督分类，并利用博弈论可解释性技术分析潜在空间，有效解决了高维工业环境中传感器数据噪声大、冗余多的问题，显著提升了智能制造系统中的故障检测精度与可解释性。
Control Barrier Corridors: From Safety Functions to Safe Sets
本文提出了一种将控制障碍函数与运动安全走廊相统一的“控制障碍走廊”新概念，通过将前者转化为局部安全目标区域，在满足特定收敛与衰减速率匹配条件的前提下，实现了复杂环境中安全且持续的路径跟踪与自主探索。
Adaptive Data-Driven Min-Max MPC for Linear Time-Varying Systems
本文提出了一种针对离散时间线性时变系统的自适应数据驱动极小极大模型预测控制方案，该方案利用在线输入状态数据更新状态反馈增益，在满足约束的同时实现了闭环系统的指数稳定及含噪声情况下的鲁棒稳定。
Codebook Design and Baseband Precoding for Pragmatic Array-Fed RIS Hybrid Multiuser MIMO
本文提出了一种适用于阵列馈源 RIS 混合多用户 MIMO 系统的实用化波束赋形码本设计与基带预编码方案，通过引入相位仅控制的平顶波束设计、基于 3GPP 标准的信道估计与波束获取机制，以及在考虑 LOS/NLOS 混合信道下的低复杂度动态用户分组和迫零预编码，在保持硬件简单性和低功耗的同时实现了高效的多用户复用与频谱效率。
Uncertainty-Aware Adaptive Dynamics For Underwater Vehicle-Manipulator Robots
本文提出了一种面向水下车辆 - 机械臂系统的新型不确定性感知自适应动力学框架，通过在线估计中嵌入凸物理一致性约束和移动视界估计，实现了参数的快速收敛、物理合理性及不确定性量化，并在实验验证中显著提升了控制精度与仿真可靠性。
Efficient Interference Graph Estimation via Concurrent Flooding
该论文提出了一种利用功率维度将干扰图估计与并发泛洪相结合的新方法，使得无线传感器网络能够在不占用额外资源的情况下，通过商用设备高效地实现干扰图估计。
Distributed Koopman Learning using Partial Trajectories for Control
本文提出了一种名为 DDKL-PT 的分布式数据驱动框架，该框架利用部分轨迹在本地通过深度神经网络近似未知动力学，并通过交换模型而非原始数据实现多智能体对全局动力学的一致学习，进而结合已知运动学关系构建模型预测控制器，成功实现了高精度的参考跟踪控制。
Operator Learning for Robust Stabilization of Linear Markov-Jumping Hyperbolic PDEs
本文提出了一种结合算子学习与反步法的控制策略，通过神经网络算子近似反步核，实现了在马尔可夫跳变参数不确定性及近似误差下线性混合双曲偏微分方程的均方指数稳定，并验证了其在随机交通流控制中的有效性。
SHIELD: A Host-Independent Framework for Ransomware Detection using Deep Filesystem Features
本文提出了 SHIELD 框架，这是一种基于存储控制器层面的主机独立解决方案，通过解析无法被篡改或混淆的文件系统级特征，实现了对勒索软件的高精度实时检测与快速阻断。
Geometric SSM: LTI State Space Models for Selective Tasks
该论文通过引入基于几何控制理论的“几何 SSM"，证明了线性时不变系统无需依赖时变动态即可实现选择性，从而在保持高效 FFT 训练的同时，成功解决了 Mamba 等模型在长程多 Token 模式识别任务中的局限性。
Enhancing Sample Efficiency in Multi-Agent RL with Uncertainty Quantification and Selective Exploration
该论文提出了一种结合分解式集中评论家与去中心化集成学习的新算法，通过利用集成峰度引导选择性探索、采用截断的 TD() 训练评论家以及混合样本策略训练演员，显著提升了多智能体强化学习的样本效率并在 SMAC II 等基准测试中超越了现有最先进方法。
Identifying Network Structure of Nonlinear Dynamical Systems: Contraction and Kuramoto Oscillators
本文利用收缩理论框架，证明了半收缩是网络非线性系统在部分观测下无法区分不同拓扑结构的充分条件，并具体分析了 Kuramoto 振荡器网络中不同结构（包括连通与不连通情形）产生观测不可区分性的场景。
Identifying Network Structure of Linear Dynamical Systems: Observability and Edge Misclassification
该论文研究了从部分节点观测数据中唯一识别网络化线性系统拓扑结构的局限性，揭示了不可识别网络空间与观测矩阵零空间的关系，并提出了评估结构差异和边误分类的指标，同时通过仿真和理论分析阐明了观测节点比例及谱性质对网络可识别性的影响。
Online Slip Detection and Friction Coefficient Estimation for Autonomous Racing
本文提出了一种仅依赖 IMU、激光雷达和控制指令的轻量化在线方法，无需复杂动力学模型或训练数据即可实现自主赛车在极限工况下的实时打滑检测与轮胎 - 路面摩擦系数估计，且实验结果表明其精度与真值高度吻合。
Towards xApp Conflict Evaluation with Explainable Machine Learning and Causal Inference in O-RAN
该论文提出了一种结合可解释机器学习与因果推断的框架，通过构建因果图并量化关键性能指标的平均处理效应，来识别和评估 O-RAN 中多 xApp 并发运行时的控制冲突及其影响。
Multi-Period Sparse Optimization for Proactive Grid Blackout Diagnosis
该论文提出了一种多周期稀疏优化方法，通过结合电路理论公式与启发式算法，在大规模电力系统中高效识别随负荷压力增加而持续存在的潜在故障源，从而实现对电网黑灾的主动诊断并提升系统韧性。
Multi-Target Flexible Angular Emulation for ISAC Base Station Testing Using a Conductive Amplitude and Phase Matrix Setup: Framework and Experimental Validation
本文提出了一种基于可调导电幅相矩阵的灵活多目标角度仿真框架，旨在解决大规模天线阵列 ISAC 基站测试中多目标参数（如 RCS、距离、角度和多普勒）受限端口下的模拟难题，并通过 ADTR 和 SATR 两种工作模式下的无人机实验验证了其在亚 6GHz 频段 ISAC 基站开发中的有效性。
When Semantics Connect the Swarm: LLM-Driven Fuzzy Control for Cooperative Multi-Robot Underwater Coverage
该论文提出了一种由大语言模型驱动的语义引导模糊控制框架，通过将多模态观测压缩为可解释的语义令牌并辅以语义通信，实现了在缺乏全球定位和通信受限的未知水下环境中多机器人系统的鲁棒协作覆盖与兴趣目标导航。
Linear viscoelastic rheological FrBD models
本文在摩擦粘弹性动力学（FrBD）框架下，提出了基于广义麦克斯韦和广义开尔文 - 沃伊特两种最一般线性粘弹性模型的新型摩擦建模方法，证明了其在物理参数下的有界性与无源性，并展示了其在机器人控制设计中的应用。