Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Energie”
Forschung

<h1>Modell erkennt echte Veränderungen in ECG‑Signalen</h1> <p>Modell­-Systeme, die mit dynamischen physiologischen Signalen arbeiten, müssen zwischen harmloser, label‑erhaltender Variabilität und echter Konzeptänderung unterscheiden. Bisher basieren die meisten Konzepte auf rein statistischen Verteilungen und geben keine klare Anleitung, wie weit sich die interne Repräsentation eines Modells verschieben darf, wenn das Signal physiologisch plausibel in Energie variiert.</p> <p>Um dieses Problem zu lösen, st

arXiv – cs.LG
Forschung

<p>MARL-Algorithmen für städtische Energiesysteme: CityLearn Benchmark</p> <p>Die Optimierung urbaner Energiesysteme ist entscheidend für die Entwicklung nachhaltiger und widerstandsfähiger Smart Cities. Mit zunehmender Komplexität und vielen Entscheidungseinheiten wird die Skalierbarkeit und Koordination immer wichtiger. Multi‑Agent Reinforcement Learning (MARL) bietet hier eine vielversprechende Lösung.</p> <p>In der vorliegenden Studie wird ein umfassendes Benchmarking von MARL‑Algorithmen auf dem CityLe

arXiv – cs.AI
Forschung

<p>PINN-basierte RL beschleunigt Energieoptimierung in Smart Grids um 50 %</p> <p>Die Steuerung des Energieverbrauchs in modernen Stromnetzen ist wegen der engen Wechselwirkungen zwischen den einzelnen Komponenten ein komplexes Problem. Reinforcement Learning (RL) wurde bereits als Ansatz zur Lösung von Optimal Power Flow (OPF)-Aufgaben vorgeschlagen, doch die Notwendigkeit, wiederholt mit einer Umgebung zu interagieren, erfordert oft aufwändige Simulationsmodelle, die die Trainingszeit stark verlängern und

arXiv – cs.LG