:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yunfeng, Liu, Junhong, Yang, Zhaohui, Liao, Guofu, Zhang, Chuyun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	https://arxiv.org/abs/2507.14999
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Rec-AD: An Efficient Computation Framework for FDIA Detection Based on Tensor Train Decomposition and Deep Learning Recommendation Model
von: Li, Yunfeng, et al.
Veröffentlicht: (2025)

Synergies between Federated Foundation Models and Smart Power Grids
von: Hosseinalipour, Seyyedali, et al.
Veröffentlicht: (2025)

CommonPower: A Framework for Safe Data-Driven Smart Grid Control
von: Eichelbeck, Michael, et al.
Veröffentlicht: (2024)

Anomaly Detection in Smart Power Grids with Graph-Regularized MS-SVDD: a Multimodal Subspace Learning Approach
von: Debelle, Thomas, et al.
Veröffentlicht: (2025)

Finite-Time Analysis of On-Policy Heterogeneous Federated Reinforcement Learning
von: Zhang, Chenyu, et al.
Veröffentlicht: (2024)

Federated Learning Forecasting for Strengthening Grid Reliability and Enabling Markets for Resilience
von: Pereira, Lucas, et al.
Veröffentlicht: (2024)

Optimal Batch-Size Control for Low-Latency Federated Learning with Device Heterogeneity
von: Yang, Huiling, et al.
Veröffentlicht: (2025)

Distribution Grid Line Outage Identification with Unknown Pattern and Performance Guarantee
von: Xiao, Chenhan, et al.
Veröffentlicht: (2023)

A Deep Q-Learning based Smart Scheduling of EVs for Demand Response in Smart Grids
von: Chifu, Viorica Rozina, et al.
Veröffentlicht: (2024)

Multilayer GNN for Predictive Maintenance and Clustering in Power Grids
von: Kazim, Muhammad, et al.
Veröffentlicht: (2025)

Deep Analysis of Time Series Data for Smart Grid Startup Strategies: A Transformer-LSTM-PSO Model Approach
von: Zhang, Zecheng
Veröffentlicht: (2024)

Adaptive Federated Learning to Optimize Integrated Flows in Cyber-Physical Data Centers
von: Liu, Junhong, et al.
Veröffentlicht: (2025)

Anomaly Detection with Machine Learning Algorithms in Large-Scale Power Grids
von: Gillioz, Marc, et al.
Veröffentlicht: (2026)

Generalizable Machine Learning Models for Predicting Data Center Server Power, Efficiency, and Throughput
von: Lei, Nuoa, et al.
Veröffentlicht: (2025)

Momentum for the Win: Collaborative Federated Reinforcement Learning across Heterogeneous Environments
von: Wang, Han, et al.
Veröffentlicht: (2024)

An Index Policy Based on Sarsa and Q-learning for Heterogeneous Smart Target Tracking
von: Hao, Yuhang, et al.
Veröffentlicht: (2024)

Data Enrichment Opportunities for Distribution Grid Cable Networks using Variational Autoencoders
von: Sundsgaard, Konrad, et al.
Veröffentlicht: (2025)

Efficient and Robust Freeway Traffic Speed Estimation under Oblique Grid using Vehicle Trajectory Data
von: He, Yang, et al.
Veröffentlicht: (2024)

Neural Network-Based Detection and Multi-Class Classification of FDI Attacks in Smart Grid Home Energy Systems
von: Sen, Varsha, et al.
Veröffentlicht: (2025)

Learning Causal Structure Distributions for Robust Planning
von: Murillo-Gonzalez, Alejandro, et al.
Veröffentlicht: (2025)

Smart Predict-then-Optimize Method with Dependent Data: Risk Bounds and Calibration of Autoregression
von: Liu, Jixian, et al.
Veröffentlicht: (2024)

Generalizable Physics-Informed Learning for Stochastic Safety-Critical Systems
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2024)

SmartMeterFM: Unifying Smart Meter Data Generative Tasks Using Flow Matching Models
von: Lin, Nan, et al.
Veröffentlicht: (2026)

A Generalizable Physics-informed Learning Framework for Risk Probability Estimation
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2023)

Federated Multi-Agent Deep Reinforcement Learning Approach via Physics-Informed Reward for Multi-Microgrid Energy Management
von: Li, Yuanzheng, et al.
Veröffentlicht: (2022)

Personalized Federated Learning by Energy-Efficient UAV Communications
von: Guo, Shiqian, et al.
Veröffentlicht: (2026)

Quantum-Enhanced Reinforcement Learning for Power Grid Security Assessment
von: Peter, Benjamin M., et al.
Veröffentlicht: (2025)

Designing Heterogeneous GNNs with Desired Permutation Properties for Wireless Resource Allocation
von: Zhao, Jianyu, et al.
Veröffentlicht: (2022)

Physics-Informed Learning of Proprietary Inverter Models for Grid Dynamic Studies
von: Kwon, Kyung-Bin, et al.
Veröffentlicht: (2025)

Privacy-Preserving Data Fusion for Traffic State Estimation: A Vertical Federated Learning Approach
von: Wang, Qiqing, et al.
Veröffentlicht: (2024)

Smart Exploration in Reinforcement Learning using Bounded Uncertainty Models
von: van Hulst, J. S., et al.
Veröffentlicht: (2025)

Time and Frequency Domain-based Anomaly Detection in Smart Meter Data for Distribution Network Studies
von: Labura, Petar, et al.
Veröffentlicht: (2025)

Adaptive Decentralized Federated Learning in Energy and Latency Constrained Wireless Networks
von: Yan, Zhigang, et al.
Veröffentlicht: (2024)

ZTFed-MAS2S: A Zero-Trust Federated Learning Framework with Verifiable Privacy and Trust-Aware Aggregation for Wind Power Data Imputation
von: Li, Yang, et al.
Veröffentlicht: (2025)

Physics Informed Reinforcement Learning with Gibbs Priors for Topology Control in Power Grids
von: Dogoulis, Pantelis, et al.
Veröffentlicht: (2026)

Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles
von: Liao, Qijun, et al.
Veröffentlicht: (2026)

Wasserstein Distributionally Robust Nash Equilibrium Seeking with Heterogeneous Data: A Lagrangian Approach
von: Wang, Zifan, et al.
Veröffentlicht: (2025)

Federated Cubic Regularized Newton Learning with Sparsification-amplified Differential Privacy
von: Huo, Wei, et al.
Veröffentlicht: (2024)

Performance Guaranteed Poisoning Attacks in Federated Learning: A Sliding Mode Approach
von: Pan, Huazi, et al.
Veröffentlicht: (2025)

Approximate Gradient Coding for Distributed Learning with Heterogeneous Stragglers
von: Song, Heekang, et al.
Veröffentlicht: (2025)