PulseAugur
中
实时 08:32:13
English(EN) Interpretable machine learning for predicting splitting strength of asphalt concrete: insights from SHAP analysis

机器学习利用 SHAP 分析预测沥青混凝土强度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个机器学习框架，利用 296 个样本和 14 个输入变量来预测沥青混凝土的劈裂强度。对六种模型进行了比较，其中 TabPFN 表现最佳，R^2 达到 0.88，综合得分达到 0.91。SHAP 分析确定了影响强度的关键变量，并量化了最佳参数范围以提高材料性能。还创建了一个图形用户界面，使该框架更易于访问。 AI

影响 这项研究展示了先进机器学习技术在材料科学中的应用，有望改善建筑材料的设计和性能。

排序理由 该项目是一篇学术论文，详细介绍了用于特定工程应用的机器学习模型。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

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

机器学习利用 SHAP 分析预测沥青混凝土强度

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该项目是一篇学术论文，详细介绍了用于特定工程应用的机器学习模型。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
83 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jianglei Xing, Xiao Tan, Dongzhao Jin, Pengwei Guo, Yuhuan Wang, Huiya Niu ·

    可解释机器学习用于预测沥青混凝土的劈裂强度：来自SHAP分析的见解

    arXiv:2608.00956v1 Announce Type: new Abstract: This paper presents an interpretable machine-learning framework for predicting the splitting strength (ST) of asphalt concrete and supporting data-driven mixture design. A database consisting of 296 samples was established, and 14 i…

相关实体

相关话题