МоделированиеНобелевскую премию по экономике 2026 года присудили за макроэкономические исследованияNaked Science · 19 чМоделированиеA Multi-Agent LLM System for Automated Tuning of Specialized Neural Network ModelsarXiv — Multiagent Systems (cs.MA) · вчераМоделированиеMinimum Bounding Sets for N-1-1 Branch Contingencies Under Thermal and Voltage Limits in Linear Network ModelsarXiv — Systems and Control (eess.SY) · вчераЭнергетикаSecFD-FL: Frequency-Decoupled Federated Learning with Secure Aggregation for Charging Load Forecasting in Internet of Electric VehiclesarXiv — Systems and Control (eess.SY) · вчераПрогнозированиеA Fully Analog Implementation of Model Predictive Control with Application to Buck ConvertersarXiv — Systems and Control (eess.SY) · вчераПрогнозированиеKoopman-Based Nonlinear Identification and Model Predictive Control of a Turbofan EnginearXiv — Systems and Control (eess.SY) · вчераЦифровой двойникВ Северной Осетии внедряют цифровой двойник Владикавказа и умные камерыTechora.ru · вчераМоделированиеАгентный поиск на open-source моделях: кого нашёл, сколько потратил и где всё сломалосьХабр · вчераЦифровой двойникA Ray-Traced Digital Twin for 5G NR Positioning with OpenAirInterfacearXiv API — полнотекстовый поиск "digital twin" · 3 днЦифровой двойникDigital Twin for Pre-Deployment Validation of AI-Driven Safety-Critical Industrial Edge Control LoopsarXiv API — полнотекстовый поиск "digital twin" · 4 днЦифровой двойникLeveraging Human-In-The-Loop Demonstrations in Reinforcement Learning for Digital Twin-Driven Robot FlexibilityarXiv API — полнотекстовый поиск "digital twin" · 4 днЦифровой двойникLIVIN: Benchmarking Spatial and Embodied Intelligence in Digital Twins of Lived-In HomesarXiv API — полнотекстовый поиск "digital twin" · 4 дн

Все новости

Связаться с нами

SecFD-FL: Frequency-Decoupled Federated Learning with Secure Aggregation for Charging Load Forecasting in Internet of Electric Vehicles

США и Запад · вчера

arXiv:2610.12909v1 Announce Type: new Abstract: Accurate charging load forecasting is essential for the reliability and efficiency of the Internet of Electric Vehicles (IoEV), yet it is challenging on two fronts: charging demand is highly stochastic, and the data collected by distributed sensors is…

Заголовок оригинала: SecFD-FL: Frequency-Decoupled Federated Learning with Secure Aggregation for Charging Load Forecasting in Internet of Electric Vehicles

Читать первоисточник: arXiv — Systems and Control (eess.SY)

Перевод и краткое изложение — машинные, по материалам источника. Полный текст статьи не републикуется; права на него принадлежат источнику.