PulseAugur
中
实时 06:19:50
English(EN) Generative AI-enhanced Probabilistic Multi-Fidelity Surrogate Modeling Via Transfer Learning

生成式AI和迁移学习增强工程代理建模

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新颖的概率多保真代理建模框架，该框架利用生成式AI和迁移学习来解决复杂工程系统中的数据稀疏性问题。该方法使用一个归一化流生成模型，首先在大量的低保真数据上进行预训练，然后在一个有限的高保真数据集上进行微调。这种方法能够进行准确的概率预测并量化不确定性，其性能优于传统的低保真基线模型，并减少了对昂贵的高保真仿真的需求。该框架已在基准系统上得到验证，展示了其在工程领域数据高效的AI驱动代理方面的潜力。 AI

影响 这项研究为复杂工程模拟提供了更具数据效率的AI驱动代理的途径。

排序理由 该集群包含一篇详细介绍代理建模新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

生成式AI和迁移学习增强工程代理建模

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Jice Zeng, David Barajas-Solano, Hui Chen ·

    基于迁移学习的生成式AI增强概率多保真代理建模

    arXiv:2602.00072v2 Announce Type: replace-cross Abstract: The performance of machine learning surrogates is critically dependent on data quality and quantity. This presents a major challenge, as high-fidelity (HF) data is often scarce and computationally expensive to acquire, whi…

相关实体

相关话题