Resilient Output Formation-Tracking of Heterogeneous Multiagent Systems Against General Byzantine Attacks: A Twin-Layer Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This work solves the countermeasure design problems of distributed resilient output time-varying formation-tracking (TVFT) of heterogeneous multiagent systems (MASs) against general Byzantine attacks (GBAs). Inspired by the concept of Digital Twin, a hierarchical protocol equipped with a twin layer (TL) is proposed, which decouples the above problem into the defense against Byzantine edge attacks (BEAs) on the TL and the defense against Byzantine node attacks (BNAs) on the cyber-physical layer (CPL). First, a secure TL with respect to (w.r.t.) the high-order leader dynamics is designed, which achieves resilient estimation against BEAs. A trusted-node strategy against BEAs is proposed, which promotes network resilience by protecting almost the smallest fraction of crucial nodes on the TL. It is proven that strongly (2f+1) -robustness w.r.t. the above trusted nodes is sufficient for the resilient estimation performance of the TL. Second, a decentralized adaptive and chattering-free controller against potentially unbounded BNAs is designed on the CPL. This controller has the merit of uniformly ultimately bounded (UUB) convergence and an assignable exponential decay rate when converging into the above UUB bound. To the best of our knowledge, this article is the first to achieve resilient output TVFT against GBAs, rather than under GBAs. Finally, the practicability and validity of this new hierarchical protocol are illustrated via a simulation example.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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