上下文专家混合模型：将知识集成到预测建模中
机器学习
2022-11-02 v1
摘要
本工作提出一种新数据驱动模型，旨在将过程知识集成到其结构中，以提升过程工业中的人机协同。所提出的上下文专家混合模型（cMoE）在模型学习阶段显式利用过程知识，通过可能性分布对历史数据进行塑形，以表示操作员与过程相关的上下文。该模型在包括硫回收装置与聚合过程的两个真实案例研究中进行了质量预测评估。上下文专家混合模型在两项实验中均用于表示不同上下文。结果表明，集成过程知识在提升预测性能的同时，通过揭示影响过程不同工况的变量而改善了可解释性。
引用
@article{arxiv.2211.00558,
title = {Contextual Mixture of Experts: Integrating Knowledge into Predictive Modeling},
author = {Francisco Souza and Tim Offermans and Ruud Barendse and Geert Postma and Jeroen Jansen},
journal= {arXiv preprint arXiv:2211.00558},
year = {2022}
}