Buchumschlag

An Adaptive ML Framework for Power Converter Monitoring via Federated Transfer Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kakosimos, Panagiotis, Saberi, Alireza Nemat, Peretti, Luca
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Machine learning-based condition monitoring of powertrains in modern electric drives
von: Li, Dinan, et al.
Veröffentlicht: (2025)

Reliable Thermal Monitoring of Electric Machines through Machine Learning
von: Kakosimos, Panagiotis
Veröffentlicht: (2025)

System Identification Using Kolmogorov-Arnold Networks: A Case Study on Buck Converters
von: Gashi, Nart, et al.
Veröffentlicht: (2025)

Temperature Estimation in Induction Motors using Machine Learning
von: Li, Dinan, et al.
Veröffentlicht: (2025)

FCOM: A Federated Collaborative Online Monitoring Framework via Representation Learning
von: Kosolwattana, Tanapol, et al.
Veröffentlicht: (2024)

On the Power of Adaptive Weighted Aggregation in Heterogeneous Federated Learning and Beyond
von: Zeng, Dun, et al.
Veröffentlicht: (2023)

Feature Engineering for Agents: An Adaptive Cognitive Architecture for Interpretable ML Monitoring
von: Bravo-Rocca, Gusseppe, et al.
Veröffentlicht: (2025)

Benchmarking Transferability: A Framework for Fair and Robust Evaluation
von: Kazemi, Alireza, et al.
Veröffentlicht: (2025)

Load Balancing in Federated Learning
von: Javani, Alireza, et al.
Veröffentlicht: (2024)

Adaptive Dual-Weighting Framework for Federated Learning via Out-of-Distribution Detection
von: Ling, Zhiwei, et al.
Veröffentlicht: (2026)

Transfer Learning for Control Systems via Neural Simulation Relations
von: Nadali, Alireza, et al.
Veröffentlicht: (2024)

Learning Data-Driven Uncertainty Set Partitions for Robust and Adaptive Energy Forecasting with Missing Data
von: Stratigakos, Akylas, et al.
Veröffentlicht: (2025)

Personalized Federated Learning with Adaptive Feature Aggregation and Knowledge Transfer
von: Yin, Keting, et al.
Veröffentlicht: (2024)

Accelerating Differentially Private Federated Learning via Adaptive Extrapolation
von: Takakura, Shokichi, et al.
Veröffentlicht: (2025)

Adaptive Client Sampling in Federated Learning via Online Learning with Bandit Feedback
von: Zhao, Boxin, et al.
Veröffentlicht: (2021)

Non-Convex Optimization in Federated Learning via Variance Reduction and Adaptive Learning
von: Thakur, Dipanwita, et al.
Veröffentlicht: (2024)

Generating and Detecting Various Types of Fake Image and Audio Content: A Review of Modern Deep Learning Technologies and Tools
von: Dehghani, Arash, et al.
Veröffentlicht: (2025)

Modeling Large-Scale Walking and Cycling Networks: A Machine Learning Approach Using Mobile Phone and Crowdsourced Data
von: Saberi, Meead, et al.
Veröffentlicht: (2024)

Heterophily-Aware Fair Recommendation using Graph Convolutional Networks
von: Gholinejad, Nemat, et al.
Veröffentlicht: (2024)

Balancing Client Participation in Federated Learning Using AoI
von: Javani, Alireza, et al.
Veröffentlicht: (2025)

Adaptive Federated Learning via Dynamical System Model
von: Agarwal, Aayushya, et al.
Veröffentlicht: (2025)

Deep Transfer Hashing for Adaptive Learning on Federated Streaming Data
von: Röder, Manuel, et al.
Veröffentlicht: (2024)

Grounding Foundation Models through Federated Transfer Learning: A General Framework
von: Kang, Yan, et al.
Veröffentlicht: (2023)

Expert-Driven Monitoring of Operational ML Models
von: Leest, Joran, et al.
Veröffentlicht: (2024)

Federated Learning Framework via Distributed Mutual Learning
von: Gupta, Yash
Veröffentlicht: (2025)

Enhancing Federated Graph Learning via Adaptive Fusion of Structural and Node Characteristics
von: Gao, Xianjun, et al.
Veröffentlicht: (2024)

PowerGenie: Analytically-Guided Evolutionary Discovery of Superior Reconfigurable Power Converters
von: Gao, Jian, et al.
Veröffentlicht: (2026)

Smoothness Adaptive Hypothesis Transfer Learning
von: Lin, Haotian, et al.
Veröffentlicht: (2024)

Fast ML-driven Analog Circuit Layout using Reinforcement Learning and Steiner Trees
von: Basso, Davide, et al.
Veröffentlicht: (2024)

Enhancing Performance for Highly Imbalanced Medical Data via Data Regularization in a Federated Learning Setting
von: Tsoumplekas, Georgios, et al.
Veröffentlicht: (2024)

Accelerating RF Power Amplifier Design via Intelligent Sampling and ML-Based Parameter Tuning
von: Sriram, Abhishek, et al.
Veröffentlicht: (2025)

Differential Private Federated Transfer Learning for Mental Health Monitoring in Everyday Settings: A Case Study on Stress Detection
von: Wang, Ziyu, et al.
Veröffentlicht: (2024)

Adaptive Gradient Clipping for Robust Federated Learning
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

ASFL: An Adaptive Model Splitting and Resource Allocation Framework for Split Federated Learning
von: Meng, Chuiyang, et al.
Veröffentlicht: (2026)

Locally Adaptive Federated Learning
von: Mukherjee, Sohom, et al.
Veröffentlicht: (2023)

Adaptive Prototype Knowledge Transfer for Federated Learning with Mixed Modalities and Heterogeneous Tasks
von: Gai, Keke, et al.
Veröffentlicht: (2025)

Federated Learning for Early Prediction of EV Charging Demand
von: Perifanis, Vasilis, et al.
Veröffentlicht: (2026)

Hydro: Adaptive Query Processing of ML Queries
von: Kakkar, Gaurav Tarlok, et al.
Veröffentlicht: (2024)

Joint Probability Selection and Power Allocation for Federated Learning
von: Marnissi, Ouiame, et al.
Veröffentlicht: (2024)

Federated Transfer Learning with Task Personalization for Condition Monitoring in Ultrasonic Metal Welding
von: Eslaminia, Ahmadreza, et al.
Veröffentlicht: (2024)