Zobrazeno 1 - 10
of 8 665
pro vyhledávání: '"Process networks"'
Protection of confidential data is an important security consideration of today's applications. Of particular concern is to guard against unintentional leakage to a (malicious) observer, who may interact with the program and draw inference from made
Externí odkaz:
http://arxiv.org/abs/2407.02304
Causal discovery and inference from observational data is an essential problem in statistics posing both modeling and computational challenges. These are typically addressed by imposing strict assumptions on the joint distribution such as linearity.
Externí odkaz:
http://arxiv.org/abs/2402.00623
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.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Gaussian Process Networks (GPNs) are a class of directed graphical models which employ Gaussian processes as priors for the conditional expectation of each variable given its parents in the network. The model allows the description of continuous join
Externí odkaz:
http://arxiv.org/abs/2306.11380
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:
Digital Chemical Engineering, Vol 13, Iss , Pp 100196- (2024)
This paper focuses on developing an adaptive system decomposition approach for multi-agent distributed model predictive control (DMPC) of integrated process networks. The proposed system decomposition employs a refined spectral community detection me
Externí odkaz:
https://doaj.org/article/9039f07b28db499aa36c8e2b23658f3f
Publikováno v:
In IFAC PapersOnLine 2024 58(14):754-760
Sensor selection is critical for state estimation, control and monitoring of nonlinear processes. However, evaluating the performance of each possible combination of $m$ out of $n$ sensors is impractical unless $m$ and $n$ are small. In this paper, w
Externí odkaz:
http://arxiv.org/abs/2208.00584