协同更佳：利用多任务学习改进结构数据集内的特征选择
机器学习
2023-03-09 v1
摘要
近来已有向基于群体的结构健康监测（PBSHM）系统发展的努力。PBSHM中一个被认为具有潜在开发价值的领域是多任务学习（MTL）的使用；这类算法不同于传统的独立学习算法。本文展示了使用MTL“带LASSO的联合特征选择”为结构数据集提供自动特征选择。分类任务是从同型号两架飞机的样本中区分尾翼的左右侧。独立学习器产生了完美的F1分数但工程洞察力差；而MTL结果可解释，突出了结构差异而非实验设置的差异。
引用
@article{arxiv.2303.04486,
title = {Better Together: Using Multi-task Learning to Improve Feature Selection within Structural Datasets},
author = {S. C. Bee and E. Papatheou and M Haywood-Alexander and R. S. Mills and L. A. Bull and K. Worden and N. Dervilis},
journal= {arXiv preprint arXiv:2303.04486},
year = {2023}
}