Buchumschlag

A Dynamic Bayesian and Machine Learning Framework for Quantitative Evaluation and Prediction of Operator Situation Awareness in Nuclear Power Plants

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Shuai, Jia, Huiqiao, Qing, Tao, Zhang, Li, Xiao, Xingyu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Situationally-Aware Dynamics Learning
von: Murillo-Gonzalez, Alejandro, et al.
Veröffentlicht: (2025)

Evaluating Frontier Models for Stealth and Situational Awareness
von: Phuong, Mary, et al.
Veröffentlicht: (2025)

A Knowledge-Informed Large Language Model Framework for U.S. Nuclear Power Plant Shutdown Initiating Event Classification for Probabilistic Risk Assessment
von: Xian, Min, et al.
Veröffentlicht: (2024)

A Bayesian Framework for Uncertainty-Aware Explanations in Power Quality Disturbance Classification
von: Chen, Yinsong, et al.
Veröffentlicht: (2026)

Unsat Core Prediction through Polarity-Aware Representation Learning over Clause-Literal Hypergraphs
von: Sun, Zhenchao, et al.
Veröffentlicht: (2026)

A Hybrid Real-Time Framework for Efficient Fussell-Vesely Importance Evaluation Using Virtual Fault Trees and Graph Neural Networks
von: Xiao, Xingyu, et al.
Veröffentlicht: (2024)

Towards Secure and Private Language Models for Nuclear Power Plants
von: Anwar, Muhammad, et al.
Veröffentlicht: (2025)

Bayesian Prediction-Powered Inference
von: Hofer, R. Alex, et al.
Veröffentlicht: (2024)

UBMF: Uncertainty-Aware Bayesian Meta-Learning Framework for Fault Diagnosis with Imbalanced Industrial Data
von: Lian, Zhixuan, et al.
Veröffentlicht: (2025)

Predicting Mortgage Default with Machine Learning: AutoML, Class Imbalance, and Leakage Control
von: Hu, Xianghong, et al.
Veröffentlicht: (2026)

Digital Twin-Centered Hybrid Data-Driven Multi-Stage Deep Learning Framework for Enhanced Nuclear Reactor Power Prediction
von: Daniell, James, et al.
Veröffentlicht: (2022)

From Time Series to State: Situation-Aware Modeling for Air Traffic Flow Prediction
von: Liu, Anqi, et al.
Veröffentlicht: (2026)

On the Power of Context-Enhanced Learning in LLMs
von: Zhu, Xingyu, et al.
Veröffentlicht: (2025)

Quantitative Energy Prediction based on Carbon Emission Analysis by DPR Framework
von: Zhang, Xuanming
Veröffentlicht: (2023)

Learning Laplacian Eigenspace with Mass-Aware Neural Operators on Point Clouds
von: Yang, Zherui, et al.
Veröffentlicht: (2026)

Context-Aware Quantitative Risk Assessment Machine Learning Model for Drivers Distraction
von: Fasanmade, Adebamigbe, et al.
Veröffentlicht: (2024)

Machine Learning Infused Distributed Optimization for Coordinating Virtual Power Plant Assets
von: Li, Meiyi, et al.
Veröffentlicht: (2023)

A Multi-Plant Machine Learning Framework for Emission Prediction, Forecasting, and Control in Cement Manufacturing
von: Fayaz, Sheikh Junaid, et al.
Veröffentlicht: (2026)

Spark: Strategic Policy-Aware Exploration via Dynamic Branching for Long-Horizon Agentic Learning
von: Wu, Jinyang, et al.
Veröffentlicht: (2026)

Deep Learning Based Situation Awareness for Multiple Missiles Evasion
von: Scukins, Edvards, et al.
Veröffentlicht: (2024)

Predicting NOx emissions in Biochar Production Plants using Machine Learning
von: Köppel, Marius, et al.
Veröffentlicht: (2024)

Category-Theoretical and Topos-Theoretical Frameworks in Machine Learning: A Survey
von: Jia, Yiyang, et al.
Veröffentlicht: (2024)

BI-EqNO: Generalized Approximate Bayesian Inference with an Equivariant Neural Operator Framework
von: Zhou, Xu-Hui, et al.
Veröffentlicht: (2024)

M-learner:A Flexible And Powerful Framework To Study Heterogeneous Treatment Effect In Mediation Model
von: Li, Xingyu, et al.
Veröffentlicht: (2025)

FairAgent: Democratizing Fairness-Aware Machine Learning with LLM-Powered Agents
von: Dai, Yucong, et al.
Veröffentlicht: (2025)

Conformal Prediction Assessment: A Framework for Conditional Coverage Evaluation and Selection
von: Zhou, Zheng, et al.
Veröffentlicht: (2026)

Human Limits in Machine Learning: Prediction of Plant Phenotypes Using Soil Microbiome Data
von: Aghdam, Rosa, et al.
Veröffentlicht: (2023)

Geoinformatics-Guided Machine Learning for Power Plant Classification
von: Austin-Gabriel, Blessing, et al.
Veröffentlicht: (2025)

MGSER-SAM: Memory-Guided Soft Experience Replay with Sharpness-Aware Optimization for Enhanced Continual Learning
von: Li, Xingyu, et al.
Veröffentlicht: (2024)

Empowering Power Outage Prediction with Spatially Aware Hybrid Graph Neural Networks and Contrastive Learning
von: Shen, Xuyang, et al.
Veröffentlicht: (2026)

Operator Learning for Power Systems Simulation
von: Schlegel, Matthew, et al.
Veröffentlicht: (2025)

Distributed Multi-Head Learning Systems for Power Consumption Prediction
von: Syu, Jia-Hao, et al.
Veröffentlicht: (2025)

SAUP: Situation Awareness Uncertainty Propagation on LLM Agent
von: Zhao, Qiwei, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Machine-Learning Framework for Predicting Dislocation Plasticity and Stress-Strain Response in FCC Alloys
von: Luo, Jing, et al.
Veröffentlicht: (2025)

A Comprehensive Machine Learning Framework for Micromobility Demand Prediction
von: Porat, Omri, et al.
Veröffentlicht: (2025)

When Machine Learning Gets Personal: Evaluating Prediction and Explanation
von: Cornelis, Louisa, et al.
Veröffentlicht: (2025)

Dynamic Stratified Contrastive Learning with Upstream Augmentation for MILP Branching
von: Lu, Tongkai, et al.
Veröffentlicht: (2025)

A Latent Risk-Aware Machine Learning Approach for Predicting Operational Success in Clinical Trials based on TrialsBank
von: Halimi, Iness, et al.
Veröffentlicht: (2026)

AGALE: A Graph-Aware Continual Learning Evaluation Framework
von: Zhao, Tianqi, et al.
Veröffentlicht: (2024)

Calibrated One Round Federated Learning with Bayesian Inference in the Predictive Space
von: Hasan, Mohsin, et al.
Veröffentlicht: (2023)