降阶建模相关 AI 资讯 · AI 热点

7月22日

11:51

11:51

官方账号arXiv cs.LG@Matteo Tomasetto, Francesco Braghin, J. Nathan Kutz, Andrea Manzoni

论文提出SHRED-ROM方法，利用浅循环解码器网络（SHRED）进行降阶建模，实现高维参数化动力学系统的实时闭环控制。该方法仅需有限传感器读数，通过少量专家示范样本训练，即可在新场景中模仿专家行为并输出分布式控制动作，缓解维度灾难。SHRED-ROM还合成传感器预测器在潜在空间闭环，有效应对传感器故障或延迟。在参数密度控制和流体流动控制两个高维案例上验证了性能。

论文 SHRED-ROM 实时控制降阶建模

推荐理由：这篇论文用SHRED-ROM实现高维动力系统实时控制，只需少量传感器和专家示例，比传统方法快很多。

11:40

11:40

官方账号arXiv cs.LG@Philip John, Eloghosa Ikponmwoba, Pinaki Pal, Opeoluwa Owoyele

该研究提出一个强化学习框架，用于优化液态燃料反应器网络，提高贫油熄火(LBO)预测精度。现有方法依赖人工启发式或输入空间距离度量，而该方法是目标导向的，在聚类形成时明确考虑LBO预测准确率。框架采用多阶段聚类-分类策略：先k-means生成大量均匀微簇，再由演员-评论家RL代理合并为最优反应器区域。使用Jet-A机理(119种物种，841个反应)验证，RL框架比k-means具有更好预测保真度，捕捉正确LBO趋势，并实现高保真模型的大幅加速。该RL驱动方法作为计算高效的降阶建模技术，可补充高保真仿真用于快速设计空间探索。

论文 RL k-means 贫油熄火

推荐理由：这篇论文用强化学习来优化反应器网络预测贫油熄火，比传统k-means更准还快，适合搞燃烧仿真的人看看。