基于田纳西-伊斯曼过程的化工过程领域自适应基准测试
机器学习
2024-07-30 v2 人工智能
系统与控制
系统与控制
摘要
在系统监测中，自动故障诊断旨在基于传感器读数推断系统状态，例如通过机器学习模型。在此背景下，基于历史数据，这些系统能够泛化到新数据至关重要。同时，许多因素可能引起数据概率分布的变化，阻碍此类模型的泛化能力。就此而言，领域自适应是将模型适配不同概率分布的重要框架。本文提出了一个基于Downs和Vogel (1993)的田纳西-伊斯曼过程的新基准，用于在化工过程背景下对领域自适应方法进行基准测试。除描述该过程及其对领域自适应的意义外，我们给出了一系列用于复现该基准的数据处理步骤。随后我们在此新基准上测试了11种领域自适应策略，表明基于最优传输的技术优于其他策略。
引用
@article{arxiv.2308.11247,
title = {Benchmarking Domain Adaptation for Chemical Processes on the Tennessee Eastman Process},
author = {Eduardo Fernandes Montesuma and Michela Mulas and Fred Ngolè Mboula and Francesco Corona and Antoine Souloumiac},
journal= {arXiv preprint arXiv:2308.11247},
year = {2024}
}
备注
16 pages, 9 figures, 5 tables. Accepted as a Workshop paper at the ECML-PKDD 2024 conference