研究人员开发了一种新颖的方法，使用 Wasserstein 生成对抗网络（WGAN）来校正由运动或老化等因素引起的传感器数据分布漂移。该方法将生成器视为一个可学习的校准变换，而判别器通过 Wasserstein 目标提供分布距离信号。该技术成功应用于模拟量热仪数据，准确恢复了老化系数并改善了能量总和分布的一致性，表明其在缺乏退化直接标签的数据驱动校准策略中的潜力。 AI
影响 引入了一种新的无监督传感器数据校准方法，有望提高物理和工程领域数据驱动系统的可靠性。
排序理由 详细介绍新机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →