論文の概要: EBL: Efficient Broad Learning for Distributed Adaptive Harmonic Analysis

• arxiv url: http://arxiv.org/abs/2609.16358v1
• Date: Mon, 14 Sep 2026 21:24:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.244667
• Title: EBL: Efficient Broad Learning for Distributed Adaptive Harmonic Analysis
• Title（参考訳）: EBL:分散適応高調波解析のための効率的なブロードラーニング
• Abstract要約: 本稿では,分散適応調和推定のためのEBL(Efficient Broad Learning)フレームワークを提案する。 半サイクル入力による高精度な推定、FPGA実装による再構成可能な柔軟性、超低レイテンシを提供する。 マルチシナリオ充電および放電ノード間の調和予測のために、オンライン転送学習は、迅速な適応性を示す。
• 参考スコア（独自算出の注目度）: 4.04818342174938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Renewable energy systems and electrified transport have found widespread adoption in recent years. The integration of these non-linear loads, dominated by electric vehicle (EV) charging, however, has introduced severe harmonic distortion into the power grid, impacting the efficiency and lifetime of substation equipment and switchgear in the distribution network. Rapid and high-precision harmonic analysis has hence become a prerequisite for effective harmonic control at the source of injection. This paper proposes an Efficient Broad Learning (EBL) framework for distributed adaptive harmonic estimation. As a quantised FPGA acceleration framework for BLS-style harmonic estimation, it offers high-accuracy estimation with half-cycle input, reconfigurable flexibility enabled by the FPGA implementation, and ultra-low latency, achieving 17.4 $\times$ faster predictions than the nearest reported FPGA method. For harmonic prediction across multi-scenario charging and discharging nodes, the online transfer learning based on a closed-form solution rather than backpropagation in EBL demonstrates rapid adaptability. By exploiting bespoke quantisation and sparsity, the approach consumes 5.9\% of the LUTs on the Zynq Ultrascale+ ZU7EV FPGA, using $\approx$ 82\% of the LUTs required by the state-of-the-art FPGA-accelerated estimator.
• Abstract（参考訳）: 再生可能エネルギーシステムと電気輸送は近年広く普及している。 しかし、電気自動車(EV)充電に支配されるこれらの非線形負荷の統合は、電力グリッドに強烈な高調波歪みをもたらし、配電網の変圧器や変圧器の効率と寿命に影響を与える。 高速かつ高精度な高調波解析は、注入源における効果的な高調波制御の前提条件となっている。 本稿では,分散適応調和推定のためのEBL(Efficient Broad Learning)フレームワークを提案する。 BLSスタイルの高調波推定のための量子FPGAアクセラレーションフレームワークとして、半サイクル入力による高精度な推定、FPGAの実装によって実現された再構成可能な柔軟性、および超低レイテンシを提供する。 マルチセクサリオ充電および放電ノード間の調和予測のために、EBLのバックプロパゲーションではなくクローズドフォームソリューションに基づくオンライン転送学習は、迅速な適応性を示す。 Zynq Ultrascale+ ZU7EV FPGA上では、ベスポーク量子化とスパーシリティを利用して、5.9 %の LUT を消費し、最先端のFPGA加速推定器が必要とする LUT の 82 % を$\approx で消費する。

関連論文リスト

• Hierarchical Exponential-Gaussian Mixtures for Watch-Time Distribution Prediction [74.05279072166697]
  Exponential-Gaussian Mixture Network (EGMN) は完全な条件WT分布をモデル化する。 EGMNは分散崩壊、コンポーネントの冗長性、不活性成分に弱い。 本稿では,これらの故障モードに対処する階層型指数-ガウス混合(HEGM)モデルを提案する。
  論文  参考訳（メタデータ） (2026-08-24T15:06:18Z)
• Co4ICF: Co-evolving Physics-Informed Surrogate and RL-based Pulse Optimizer for Inertial Confinement Fusion [43.450233708268684]
  Co4ICFは物理インフォームされたサロゲートとPPOベースのパルスを結合する共進化フレームワークである。 1D Multi環境では、Co4ICFは現在のレーザー設計ベースラインに基づいて146.1%の正規化収率を達成する。 将来のベンチマークをサポートするため,大規模マルチIFEシミュレーションデータセットをリリースする。
  論文  参考訳（メタデータ） (2026-07-11T15:43:27Z)
• Diffusion-APO: Trajectory-Aware Direct Preference Alignment for Video Diffusion Transformers [12.948398661304184]
  Diffusion-APOは、ビデオ拡散モデルと人間の意図を一致させる軌跡認識アルゴリズムである。 オンラインランキング、半オンラインアンカー、オフラインリファインメント、蒸留対応ドリフト補正を統合した統一かつモジュール化されたRLHFフレームワークを導入する。 本研究では,Diffusion-APOが視覚的品質と指示の基準線を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-05-08T09:37:46Z)
• Unbiased Dynamic Pruning for Efficient Group-Based Policy Optimization [60.87651283510059]
  Group Relative Policy Optimization (GRPO) はLLM推論を効果的にスケールするが、計算コストは禁じている。 本研究では,非バイアス勾配推定を保ちながら動的プルーニングを可能にする動的プルーニングポリシー最適化(DPPO)を提案する。 刈り込みによって引き起こされるデータの空間性を軽減するため,ウィンドウベースの欲求戦略であるDense Prompt Packingを導入する。
  論文  参考訳（メタデータ） (2026-03-04T14:48:53Z)
• Spectral Gating Networks [65.9496901693099]
  我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。 SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。 計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
  論文  参考訳（メタデータ） (2026-02-07T20:00:49Z)
• Accelerated Execution of Bayesian Neural Networks using a Single Probabilistic Forward Pass and Code Generation [8.330425840952488]
  機械学習モデルは、診断、天気予報、NLP、自律運転などの領域でよく機能する。 従来のニューラルネットワークは、ドメイン外データ(OOD)の検出に失敗することが多く、自信を持って不正確な予測を出力することがある。 確率的フォワードパス(PFP)は、変分推論(SVI)に対する高効率な近似を提供する PFPは計算効率においてSVIを一貫して上回り、小型のミニバッチでは最大4200倍のスピードアップを達成する。
  論文  参考訳（メタデータ） (2025-11-28T18:35:20Z)
• PASS-Enhanced MEC: Joint Optimization of Task Offloading and Uplink PASS Beamforming [67.78883135636657]
  ピンチアンテナシステム (PASS) によるモバイルエッジコンピューティング (MEC) アーキテクチャについて検討した。 PASSは、重要な経路損失と潜在的な信号遮断を効果的に軽減しつつ、短距離ライン・オブ・ライト(LoS)リンクを確立する。 ネットワーク遅延最小化問題を定式化し、アップリンクPASSビームフォーミングとタスクオフロードを共同で最適化する。
  論文  参考訳（メタデータ） (2025-10-27T03:04:46Z)
• Fluid Antenna System-assisted Physical Layer Secret Key Generation [64.92952968689636]
  本稿では,流体アンテナシステム(FAS)を動的無線環境に適用することにより,多元系基地局システムにおける物理層生成(PLKG)について検討する。 本研究では,送信ビームフォーミングとポート選択を統合したPLKGモデルを提案する。 本論文で導入したスライディングウィンドウベースポート選択法は,動的ポート選択により,より少ないチェーンで高いKGRを実現する。
  論文  参考訳（メタデータ） (2025-09-19T03:01:29Z)
• Time series forecasting based on optimized LLM for fault prediction in distribution power grid insulators [0.6749750044497732]
  本稿では,高電圧絶縁体における漏れ電流の増加を予測するためのハイブリッドディープラーニング(DL)モデルを提案する。 提案した最適化LDMは,2.24$times10-4$,1.21$times10-3$と2.24$times10-4$のルート平均二乗誤差で,最先端のDLモデルより優れている。
  論文  参考訳（メタデータ） (2025-02-24T17:17:15Z)
• Enhancing Dropout-based Bayesian Neural Networks with Multi-Exit on FPGA [20.629635991749808]
  本稿では,フィールドプログラマブルゲートアレイ(FPGA)ベースのアクセラレータを効率よく生成するアルゴリズムとハードウェアの共同設計フレームワークを提案する。 アルゴリズムレベルでは、計算とメモリのオーバーヘッドを低減した、新しいマルチエグジット・ドロップアウトベースのベイズNNを提案する。 ハードウェアレベルでは,提案する効率的なベイズNNのためのFPGAベースのアクセラレータを生成するための変換フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-20T17:08:42Z)
• FlowPrecision: Advancing FPGA-Based Real-Time Fluid Flow Estimation with Linear Quantization [11.218890099680701]
  本研究では,FPGAを用いたソフトセンサの線形量子化を流体流量推定に適用する。 提案手法は平均二乗誤差を最大10.10%削減し、推論速度を9.39%改善する。
  論文  参考訳（メタデータ） (2024-03-04T10:39:58Z)
• Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
  CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。 最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
  論文  参考訳（メタデータ） (2021-02-05T19:57:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。