Buchumschlag

Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mayr, Michael, Chasparis, Georgios C., Küng, Josef
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Causal Time-Series Synchronization for Multi-Dimensional Forecasting
von: Mayr, Michael, et al.
Veröffentlicht: (2024)

Causally-Guided Pairwise Transformer -- Towards Foundational Digital Twins in Process Industry
von: Mayr, Michael, et al.
Veröffentlicht: (2025)

Automated Knowledge Graph Learning in Industrial Processes
von: Ammann, Lolitta, et al.
Veröffentlicht: (2024)

AI-Powered Predictions for Electricity Load in Prosumer Communities
von: Kychkin, Aleksei, et al.
Veröffentlicht: (2024)

TwinLoop: Simulation-in-the-Loop Digital Twins for Online Multi-Agent Reinforcement Learning
von: Zhang, Nan, et al.
Veröffentlicht: (2026)

Paradigms of AI Evaluation: Mapping Goals, Methodologies and Culture
von: Burden, John, et al.
Veröffentlicht: (2025)

Position: Foundation Models Need Digital Twin Representations
von: Shen, Yiqing, et al.
Veröffentlicht: (2025)

A Complete Survey on Contemporary Methods, Emerging Paradigms and Hybrid Approaches for Few-Shot Learning
von: Tsoumplekas, Georgios, et al.
Veröffentlicht: (2024)

Aspiration-based Perturbed Learning Automata in Games with Noisy Utility Measurements. Part A: Stochastic Stability in Non-zero-Sum Games
von: Chasparis, Georgios C.
Veröffentlicht: (2025)

Hourly Short Term Load Forecasting for Residential Buildings and Energy Communities
von: Kychkin, Aleksei, et al.
Veröffentlicht: (2025)

PQS (Prune, Quantize, and Sort): Low-Bitwidth Accumulation of Dot Products in Neural Network Computations
von: Natesh, Vikas, et al.
Veröffentlicht: (2025)

Adding Conditional Control to Diffusion Models with Reinforcement Learning
von: Zhao, Yulai, et al.
Veröffentlicht: (2024)

FedConv: A Learning-on-Model Paradigm for Heterogeneous Federated Clients
von: Shen, Leming, et al.
Veröffentlicht: (2025)

Joint Hypergraph Rewiring and Memory-Augmented Forecasting Techniques in Digital Twin Technology
von: Sakhinana, Sagar Srinivas, et al.
Veröffentlicht: (2024)

Digital Twins for forecasting and decision optimisation with machine learning: applications in wastewater treatment
von: Colwell, Matthew, et al.
Veröffentlicht: (2024)

Digital Twin-Driven Communication-Efficient Federated Anomaly Detection for Industrial IoT
von: Belay, Mohammed Ayalew, et al.
Veröffentlicht: (2026)

Replication of Impedance Identification Experiments on a Reinforcement-Learning-Controlled Digital Twin of Human Elbows
von: Yu, Hao, et al.
Veröffentlicht: (2024)

Fly, Fail, Fix: Iterative Game Repair with Reinforcement Learning and Large Multimodal Models
von: Zook, Alex, et al.
Veröffentlicht: (2025)

Current applications and potential future directions of reinforcement learning-based Digital Twins in agriculture
von: Goldenits, Georg, et al.
Veröffentlicht: (2024)

Symbol-Equivariant Recurrent Reasoning Models
von: Freinschlag, Richard, et al.
Veröffentlicht: (2026)

From Transformers to Large Language Models: A systematic review of AI applications in the energy sector towards Agentic Digital Twins
von: Antonesi, Gabriel, et al.
Veröffentlicht: (2025)

Imitation Learning in the Deep Learning Era: A Novel Taxonomy and Recent Advances
von: Chrysomallis, Iason, et al.
Veröffentlicht: (2025)

Function+Data Flow: A Framework to Specify Machine Learning Pipelines for Digital Twinning
von: de Conto, Eduardo, et al.
Veröffentlicht: (2024)

Physics-aware Machine Learning Revolutionizes Scientific Paradigm for Machine Learning and Process-based Hydrology
von: Xu, Qingsong, et al.
Veröffentlicht: (2023)

Data-Driven Open-Loop Simulation for Digital-Twin Operator Decision Support in Wastewater Treatment
von: Simethy, Gary, et al.
Veröffentlicht: (2026)

Digital Twin-Assisted Explainable AI for Robust Beam Prediction in mmWave MIMO Systems
von: Khan, Nasir, et al.
Veröffentlicht: (2025)

Length-Aware Adversarial Training for Variable-Length Trajectories: Digital Twins for Mall Shopper Paths
von: Sun, He, et al.
Veröffentlicht: (2026)

Topological Deep Learning: A Review of an Emerging Paradigm
von: Zia, Ali, et al.
Veröffentlicht: (2023)

Nurse-in-the-Loop Artificial Intelligence for Precision Management of Type 2 Diabetes in a Clinical Trial Utilizing Transfer-Learned Predictive Digital Twin
von: Faruqui, Syed Hasib Akhter, et al.
Veröffentlicht: (2024)

Internalizing Outcome Supervision into Process Supervision: A New Paradigm for Reinforcement Learning for Reasoning
von: Ding, Fei, et al.
Veröffentlicht: (2026)

FloydNet: A Learning Paradigm for Global Relational Reasoning
von: Yu, Jingcheng, et al.
Veröffentlicht: (2026)

An LLM-Based Digital Twin for Optimizing Human-in-the Loop Systems
von: Yang, Hanqing, et al.
Veröffentlicht: (2024)

Smart Water Security with AI and Blockchain-Enhanced Digital Twins
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2025)

Conformal Prediction-Driven Adaptive Sampling for Digital Water Twins
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2025)

Efficient Process Reward Model Training via Active Learning
von: Duan, Keyu, et al.
Veröffentlicht: (2025)

Graph Foundation Models: Bridging Language Model Paradigms and Graph Optimization
von: Liang, Yunhao, et al.
Veröffentlicht: (2025)

EdgeAgentX-DT: Integrating Digital Twins and Generative AI for Resilient Edge Intelligence in Tactical Networks
von: Ray, Abir
Veröffentlicht: (2025)

Scalable Event-by-event Processing of Neuromorphic Sensory Signals With Deep State-Space Models
von: Schöne, Mark, et al.
Veröffentlicht: (2024)

Learning in Context, Guided by Choice: A Reward-Free Paradigm for Reinforcement Learning with Transformers
von: Dong, Juncheng, et al.
Veröffentlicht: (2026)

Virtual Sensing-Enabled Digital Twin Framework for Real-Time Monitoring of Nuclear Systems Leveraging Deep Neural Operators
von: Hossain, Raisa Bentay, et al.
Veröffentlicht: (2024)