基于主动学习的模块化多泵深度代理模型
机器学习
2022-08-08 v1 人工智能
系统与控制
系统与控制
摘要
由于传感器成本高且可靠性要求，泵的设计者尽可能减少用于估计可行工作点所需传感器数量。获得良好估计的主要挑战是可用数据量少。使用此数据量，估计方法的性能不足以满足客户要求。为解决这一数据稀缺问题，获取高质量数据对获得良好估计十分重要。基于这些考虑，我们开发了用于估计能源领域所用模块化多泵（Modular Multi Pump）工作点的主动学习框架。我们特别聚焦于喘振距离（surge distance）的估计。我们应用主动学习以最小数据集估计喘振距离。结果表明主动学习对实际应用也是一种有价值的技术。
引用
@article{arxiv.2208.02840,
title = {Deep Surrogate of Modular Multi Pump using Active Learning},
author = {Malathi Murugesan and Kanika Goyal and Laure Barriere and Maura Pasquotti and Giacomo Veneri and Giovanni De Magistris},
journal= {arXiv preprint arXiv:2208.02840},
year = {2022}
}