Zobrazeno 1 - 10
of 1 006
pro vyhledávání: '"Drift mitigation"'
This paper presents Federated Learning with Adaptive Monitoring and Elimination (FLAME), a novel solution capable of detecting and mitigating concept drift in Federated Learning (FL) Internet of Things (IoT) environments. Concept drift poses signific
Externí odkaz:
http://arxiv.org/abs/2410.01386
This work addresses limitations in recent 3D tracking-by-detection methods, focusing on identifying legitimate trajectories and addressing state estimation drift in Kalman filters. Current methods rely heavily on threshold-based filtering of false po
Externí odkaz:
http://arxiv.org/abs/2405.11536
Autor:
D'Elia, Gerardo1,2 (AUTHOR) gerardo.delia@enea.it, Ferro, Matteo3 (AUTHOR) mferro@hippocratica-imaging.it, Sommella, Paolo2 (AUTHOR), Ferlito, Sergio1 (AUTHOR) saverio.devito@enea.it, De Vito, Saverio1 (AUTHOR) girolamo.difrancia@enea.it, Di Francia, Girolamo1 (AUTHOR)
Publikováno v:
Sensors (14248220). May2024, Vol. 24 Issue 9, p2786. 12p.
Autor:
Chee, Yin Yong, Oveissi, Parham, Shao, Siyuan, Lee, Joonghyun, Paredes, Juan A., Bernstein, Dennis S., Goel, Ankit
This paper modifies an adaptive multicopter autopilot to mitigate instabilities caused by adaptive parameter drift and presents simulation and experimental results to validate the modified autopilot. The modified adaptive controller is obtained by in
Externí odkaz:
http://arxiv.org/abs/2304.10634
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Applied Energy 1 July 2023 341
Autor:
Cech, Ramona, Zaller, Johann G., Lyssimachou, Angeliki, Clausing, Peter, Hertoge, Koen, Linhart, Caroline
Publikováno v:
In Science of the Total Environment 1 January 2023 854
Autor:
Gerardo D’Elia, Matteo Ferro, Paolo Sommella, Sergio Ferlito, Saverio De Vito, Girolamo Di Francia
Publikováno v:
Sensors, Vol 24, Iss 9, p 2786 (2024)
Future air quality monitoring networks will integrate fleets of low-cost gas and particulate matter sensors that are calibrated using machine learning techniques. Unfortunately, it is well known that concept drift is one of the primary causes of data
Externí odkaz:
https://doaj.org/article/46dced05540d422b81ca93a4357c6226
Publikováno v:
In Biomedical Signal Processing and Control March 2020 57