MétaCan
Menu
Retour à la cohorte
Enregistrement W2624923930 · doi:10.1109/tii.2017.2715340

Triggered Communication in Distributed Adaptive High-Gain EKF

2017· article· en· W2624923930 sur OpenAlexafffund
Mohammad Rashedi, Jinfeng Liu, Biao Huang

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates - Technology Futures
Mots-clésEstimatorControl theory (sociology)Extended Kalman filterConvergence (economics)Computer scienceKalman filterNonlinear systemFilter (signal processing)Transmission (telecommunications)Adaptive filterState (computer science)Process (computing)MathematicsAlgorithmTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper deals with the design of a distributed adaptive high-gain extended Kalman filtering (AHGEKF) approach based on triggering communication for nonlinear systems being composed of several interconnected subsystems. For each subsystem, a local AHGEKF is designed, which receives local measurements, communicates with other filters, and computes local state estimates. In order to reduce the information transmission frequency among the distributed estimators, a communication trigger is designed for each filter. Each filter transmits its current state estimate when its corresponding triggering criterion is satisfied. Sufficient conditions are provided under which the convergence and ultimate boundedness of the estimation error is guaranteed. A simulated chemical process is used to demonstrate the applicability and performance of the proposed approach.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,722
Score d'incertitude au seuil0,723

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,039
Tête enseignante GPT0,245
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial InformaticsMême sujetFault Detection and Control SystemsTravaux en français237 207