Цифровой двойникDe-Risking Robotic Welding for In-Space Metal Joining Through Physics-Grounded Digital TwinsarXiv API — полнотекстовый поиск "digital twin" · 15 чМоделированиеSequential Learning-Based Physics-Informed Neural Network Modeling for Parameter Estimation on a Power ConverterarXiv — Systems and Control (eess.SY) · вчераМоделированиеAdaptive Handling of Deadline Misses via Stochastic MPCarXiv — Systems and Control (eess.SY) · 2 днМоделированиеInstitutionalizing Trust in Data Exchange: Trust-Anchor Model of the Data Credit Guarantee Organization and Its Simulation-Based ComparisonarXiv — Computers and Society (cs.CY) · 2 днЦифровой двойникDigital Twin-Conditioned RSS-Fingerprint Localization in Cell-Free Millimeter-Wave NetworksarXiv API — полнотекстовый поиск "digital twin" · вчераМоделированиеAI уже делает инженеров хуже? Как агентная разработка выращивает технологический зоопаркХабр · вчераЦифровой двойникFeasibility of a Patient-Specific Digital Twin for Ventriculoperitoneal Shunt Trajectory PlanningarXiv API — полнотекстовый поиск "digital twin" · вчераМоделированиеBayesian Optimization under Uncertainty for Training a Scale Parameter in Stochastic ModelsarXiv — Computational Engineering, Finance, and Science (cs.CE) · 2 днЦифровой двойникDecision-Making in Digital Twins: Optimization, Control, and LearningarXiv — Systems and Control (eess.SY) · 2 днЦифровой двойникBALLAST: Physics-Aware Moving Target Defense for Industrial Control Systems Using a Digital Twin Safety OraclearXiv — Systems and Control (eess.SY) · 2 днЦифровой двойникОпубликованы итоги форсайт-сессии «Будущее безопасности киберфизических систем в России. Перспективы и векторы развития»spbIT · 2 днЦифровой двойникProbabilistic Physics Digital Twin for Human-Robot InteractionarXiv API — полнотекстовый поиск "digital twin" · 2 дн

Все новости

Связаться с нами

Sequential Learning-Based Physics-Informed Neural Network Modeling for Parameter Estimation on a Power Converter

США и Запад · вчера

arXiv:2610.20041v1 Announce Type: cross Abstract: A staged physics-informed neural network (PINN) is proposed for identifying the inductance, capacitance and parasitic resistances of a DC buck converter from time-domain data.

Заголовок оригинала: Sequential Learning-Based Physics-Informed Neural Network Modeling for Parameter Estimation on a Power Converter

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.