基于迁移学习的增材制造模型比较——一项案例研究
机器学习
2023-05-22 v1 计算工程、金融与科学
摘要
基于迁移学习(TL)的增材制造(AM)建模是一个新兴领域，旨在复用历史产品的数据并缓解新产品建模中的数据不足问题。尽管近期已进行一些尝试，但应用TL于AM建模中的固有挑战却鲜有讨论，例如：使用哪个源域、需要多少目标数据、以及是否应用数据预处理技术。本文旨在通过基于金属AM产品开源数据集定义的案例研究来回答这些问题。在该案例研究中，五种TL方法与决策树回归(DTR)和人工神经网络(ANN)相集成以构建六个基于TL的模型，其性能随后在提出的验证框架中与基线DTR和ANN进行比较。这些比较用于量化所应用TL方法的性能，并从相似性、训练数据规模和数据预处理的角度进行讨论。最后，推荐使用具有较大定性相似性的源AM域以及一定范围的目标与源训练数据规模比。此外，应谨慎执行数据预处理，以平衡建模性能与因TL带来的性能提升。
引用
@article{arxiv.2305.11181,
title = {Comparison of Transfer Learning based Additive Manufacturing Models via A Case Study},
author = {Yifan Tang and M. Rahmani Dehaghani and G. Gary Wang},
journal= {arXiv preprint arXiv:2305.11181},
year = {2023}
}
备注
16 pages, 8 figures