Buchumschlag

Late Breaking Results: Conversion of Neural Networks into Logic Flows for Edge Computing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stein, Daniel, Huang, Shaoyi, Drechsler, Rolf, Li, Bing, Zhang, Grace Li
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BasisN: Reprogramming-Free RRAM-Based In-Memory-Computing by Basis Combination for Deep Neural Networks
von: Eldebiky, Amro, et al.
Veröffentlicht: (2024)

Graph Neural Network-Accelerated Network-Reconfigured Optimal Power Flow
von: Pham, Thuan, et al.
Veröffentlicht: (2024)

Neural Horizon Model Predictive Control -- Increasing Computational Efficiency with Neural Networks
von: Alsmeier, Hendrik, et al.
Veröffentlicht: (2024)

Reduced Optimal Power Flow Using Graph Neural Network
von: Pham, Thuan, et al.
Veröffentlicht: (2022)

Breaking Free: Decoupling Forced Systems with Laplace Neural Networks
von: Zimmering, Bernd, et al.
Veröffentlicht: (2025)

Late Breaking Results: Energy-Efficient Printed Machine Learning Classifiers with Sequential SVMs
von: Besias, Spyridon, et al.
Veröffentlicht: (2025)

N-1 Reduced Optimal Power Flow Using Augmented Hierarchical Graph Neural Network
von: Pham, Thuan, et al.
Veröffentlicht: (2024)

Constraints and Variables Reduction for Optimal Power Flow Using Hierarchical Graph Neural Networks with Virtual Node-Splitting
von: Pham, Thuan, et al.
Veröffentlicht: (2024)

Safe and Stable Closed-Loop Learning for Neural-Network-Supported Model Predictive Control
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)

Imitation Learning of MPC with Neural Networks: Error Guarantees and Sparsification
von: Alsmeier, Hendrik, et al.
Veröffentlicht: (2025)

Global Performance Guarantees for Neural Network Models of AC Power Flow
von: Chevalier, Samuel, et al.
Veröffentlicht: (2022)

Neural Substitute Solver for Efficient Edge Inference of Power Electronic Hybrid Dynamics
von: Zheng, Jialin, et al.
Veröffentlicht: (2025)

High-Dimensional Surrogate Modeling for Closed-Loop Learning of Neural-Network-Parameterized Model Predictive Control
von: Hirt, Sebastian, et al.
Veröffentlicht: (2025)

Physics-Embedded Neural ODEs for Sim2Real Edge Digital Twins of Hybrid Power Electronics Systems
von: Zheng, Jialin, et al.
Veröffentlicht: (2025)

Gradient Flow Equations for Deep Linear Neural Networks: A Survey from a Network Perspective
von: Wendin, Joel, et al.
Veröffentlicht: (2025)

Provably-Stable Neural Network-Based Control of Nonlinear Systems
von: Li, Anran, et al.
Veröffentlicht: (2025)

PowerFlowMultiNet: Multigraph Neural Networks for Unbalanced Three-Phase Distribution Systems
von: Ghamizi, Salah, et al.
Veröffentlicht: (2024)

Late Breaking Results: On the One-Key Premise of Logic Locking
von: Hu, Yinghua, et al.
Veröffentlicht: (2024)

Quantum Neural Networks for Power Flow Analysis
von: Kaseb, Zeynab, et al.
Veröffentlicht: (2023)

Frequency-Separable Hamiltonian Neural Network for Multi-Timescale Dynamics
von: Li, Yaojun, et al.
Veröffentlicht: (2026)

Residual Power Flow for Neural Solvers
von: Stiasny, Jochen, et al.
Veröffentlicht: (2026)

Power Flow Approximations for Multiphase Distribution Networks using Gaussian Processes
von: Glover, Daniel, et al.
Veröffentlicht: (2025)

Quantitative Flow Approximation Properties of Narrow Neural ODEs
von: Elamvazhuthi, Karthik
Veröffentlicht: (2025)

Learning and Current Prediction of PMSM Drive via Differential Neural Networks
von: Mei, Wenjie, et al.
Veröffentlicht: (2024)

Cascading Blackout Severity Prediction with Statistically-Augmented Graph Neural Networks
von: Gorka, Joe, et al.
Veröffentlicht: (2024)

Symptom-Driven Personalized Proton Pump Inhibitors Therapy Using Bayesian Neural Networks and Model Predictive Control
von: Li, Yutong, et al.
Veröffentlicht: (2025)

Dynamic Origin-Destination Matrix Prediction with Line Graph Neural Networks and Kalman Filter
von: Xiong, Xi, et al.
Veröffentlicht: (2019)

Optimal Sensor Placement in Power Transformers Using Physics-Informed Neural Networks
von: Li, Sirui, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Predictive Safety Filters for Probabilistic Neural Network Dynamics
von: Frauenknecht, Bernd, et al.
Veröffentlicht: (2026)

HardFlow: Hard-Constrained Sampling for Flow-Matching Models via Trajectory Optimization
von: Li, Zeyang, et al.
Veröffentlicht: (2025)

PowerFlowNet: Power Flow Approximation Using Message Passing Graph Neural Networks
von: Lin, Nan, et al.
Veröffentlicht: (2023)

An Efficient Learning-Based Solver for Two-Stage DC Optimal Power Flow with Feasibility Guarantees
von: Zhang, Ling, et al.
Veröffentlicht: (2023)

Efficient Reachability Analysis for Convolutional Neural Networks Using Hybrid Zonotopes
von: Zhang, Yuhao, et al.
Veröffentlicht: (2025)

Reverse Flow Matching: A Unified Framework for Online Reinforcement Learning with Diffusion and Flow Policies
von: Li, Zeyang, et al.
Veröffentlicht: (2026)

State Derivative Normalization for Continuous-Time Deep Neural Networks
von: Weigand, Jonas, et al.
Veröffentlicht: (2024)

A Graph Neural Network with Auxiliary Task Learning for Missing PMU Data Reconstruction
von: Li, Bo, et al.
Veröffentlicht: (2025)

Linearization of ReLU Activation Function for Neural Network-Embedded Optimization: Optimal Day-Ahead Energy Scheduling
von: Zhao, Cunzhi, et al.
Veröffentlicht: (2023)

Component-Aware Pruning Framework for Neural Network Controllers via Gradient-Based Importance Estimation
von: Sundaram, Ganesh, et al.
Veröffentlicht: (2026)

System-level Safety Guard: Safe Tracking Control through Uncertain Neural Network Dynamics Models
von: Li, Xiao, et al.
Veröffentlicht: (2023)

Beyond the Neural Fog: Interpretable Learning for AC Optimal Power Flow
von: Pineda, Salvador, et al.
Veröffentlicht: (2024)