分数阶电网预报拆成两件事：频率预测交给学习，误差界交给单独重建的记忆力
分数阶电网的观测窗口看不到更早的运动，而这段历史通过一个“记忆力”影响未来频率。研究把频率点预测与记忆重建分成两个学习目标：在六节点、十环、十网孔和二十网孔算例上，响应训练的线性预测器经神经残差修正后，主噪声水平下频率均方根误差相对该线性预测器下降0.074至0.104。单独重建的记忆力作为参考，配合能量不等式与角度判据，可在点预测器本身无法给出界的情形下签发频率误差包络。
在线共形校准让RL驱动硬件感知NAS的覆盖率可调，剪枝25-50%评估且精度无损
该工作用在线反馈控制（自适应共形推断及其免调参、局部自适应、分组条件变体）替换一次性分位数估计，以应对强化学习搜索过程中候选分布非可交换的问题，在三种网络架构族、单步与序列搜索（三个随机种子）中把覆盖率跟踪到请求水平约10^-3以内，同时剪枝25-50%的评估且未测得精度损失，而静态校准失去覆盖率控制、高斯过程基线始终保守。
CISE 用共形区间奖励约束自演化搜索，在材料科学三项任务中返回的候选全部为高保真真阳性
该工作提出 Conformal Interval-Driven Self-Evolution（CISE），用条件共形推断与逐迭代在线密度比估计为每个候选构建奖励区间，以保守的区间奖励驱动演化反馈、并仅在所有必需性质区间完全落入可行域时返回候选，在材料科学三项自演化搜索任务中，CISE 返回的候选在高保真评估下全部为真阳性，而基线返回更多候选但包含假阳性。
已读完全部报道