跳到正文
智迹闻AuraTracer

强化学习用于制造碳足迹建模知识迁移

本机阅读

发生了什么

据arXiv cs.LG论文,研究提出一种强化学习方法,用于新制造领域碳足迹建模中的选择性知识迁移,以避免负迁移。该方法通过奖励评分选择最佳预测器,并在验证门控改善监督替代方案时部署转移预测。在材料挤出增材制造的温室气体排放量化中,留一法评估显示平均测试RMSE为5.2 g CO2e/零件,比仅使用目标数据训练低20.00%,比无差别源-目标池化低10.30%。

平均测试RMSE
5.2 g CO2e
实验数量
729

报道与来源

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

  1. arXiv cs.LG一手材料

    Learning When to Transfer: Reinforcement Learning for Carbon-Footprint Modeling in New Manufacturing Domains

来源关系与证据边界

按已记录的来源角色展示;连线仅表示原生身份流程确认的同稿入口,不表示独立佐证或跨报道引用。

  1. 一手材料1 个发布入口