LSTM-beta-VAE数据增强用于多输出软测量
热点事件持续更新
LSTM-beta-VAE数据增强用于多输出软测量
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Rohit Murali 等作者提出一种基于 LSTM-beta-VAE 的生成式数据增强框架，并将其与多输出 LSTM（MO-LSTM）软测量结合，用于工业厌氧共消化过程。研究使用一年全规模工厂数据合成不稳定运行序列，以填补稀疏特征空间。 基线评估显示，数据稀缺使 Random Forest、XGBoost 和未增强的 LSTM 无法识别向不稳定运行的转变，稳定性指标估计较差；而在增强数据上训练的 MO-LSTM 实现了对所有目标的稳健估计。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
基于 LSTM-beta-VAE 生成数据增强的多输出 LSTM 软测量用于工业厌氧共消化报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI基于 LSTM-beta-VAE 生成数据增强的多输出 LSTM 软测量用于工业厌氧共消化
研究提出 LSTM-beta-VAE 生成式数据增强框架结合多输出 LSTM（MO-LSTM）软测量，用一年全规模工厂数据合成不稳定运行序列，填补稀疏特征空间。基线评估显示数据稀缺使 Random Forest、XGBoost 和未增强 LSTM 无法识别向不稳定运行的转变，稳定性指标估计较差；在增强数据上训练的 MO-LSTM 实现了所有目标的同时稳健估计。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。