Nazanin Mahjourian

AI框架通过特征选择优化FDM翘曲检测

研究人员开发了一个自动化数据处理（ADP）框架，用于优化机器学习模型和特征选择，以预测熔融沉积成型（FDM）中的翘曲。该框架采用受强化学习启发的的方法，在大量数据集上评估模型-特征组合，并根据预测准确性和F1分数更新选择。通过整合基于Shapley的可解释AI（SHAP XAI）来评估特征重要性，ADP框架成功识别出最优配置，将测试集的AUC从0.9248提高到0.9731，并将平均奖励提高了50%以上（与使用所有特征相比）。