最大化化工数据集信息：机器学习应用
机器学习
2022-10-11 v1 人工智能
机器学习
最优化与控制
摘要
人工智能如何能够（且已经）对化学工程产生巨大影响已有充分文献记载。但经典机器学习方法在许多化学工程应用中可能力有不逮。本综述探讨了化学工程应用中如何出现具有挑战性的数据特征。我们识别出化学工程应用中出现的四种使经典人工智能方法难以应用的数据特征：(1) 高方差、低体量数据，(2) 低方差、高体量数据，(3) 含噪/损坏/缺失数据，以及 (4) 具有物理限制的受限数据。针对这四种数据特征，我们分别讨论了出现这些特征的应用场景，并展示了当前化学工程研究如何拓展数据科学与机器学习领域以应对这些挑战。最后，我们指出了未来研究的若干挑战。
引用
@article{arxiv.2201.10035,
title = {Maximizing information from chemical engineering data sets: Applications to machine learning},
author = {Alexander Thebelt and Johannes Wiebe and Jan Kronqvist and Calvin Tsay and Ruth Misener},
journal= {arXiv preprint arXiv:2201.10035},
year = {2022}
}
备注
34 pages, 3 figures, 1 table