化学工学データセットからの情報の最大化:機械学習への応用【JST・京大機械翻訳】

Thebelt Alexander; Wiebe Johannes; Kronqvist Jan; Tsay Calvin; Misener Ruth

プレプリント

J-GLOBAL ID：202202220555768804 整理番号：22P0279195

化学工学データセットからの情報の最大化:機械学習への応用【JST・京大機械翻訳】

Maximizing information from chemical engineering data sets: Applications to machine learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月24日プレプリントサーバーでの情報更新日： 2022年01月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

人工知能が化学工学に大きい影響を与えることができるかは,よく証明されている。しかし,古典的機械学習手法は多くの化学工学応用に対して弱い可能性がある。本レビューでは,化学工学応用において挑戦的なデータ特性がどのように起こるかを論じた。古典的人工知能手法の適用を困難にする化学工学応用で生じるデータの4つの特性を同定した。(1)高分散,低容量データ,(2)低分散,高容量データ,(3)雑音/崩壊/誤解データ,(4)物理ベース限界による制限データ。これらの4つのデータ特徴の各々に対して,これらのデータ特性が生じるアプリケーションを議論し,現在の化学工学研究がこれらの課題を組み込むためのデータ科学と機械学習の分野をいかに広げるかを示した。最後に,将来の研究のためのいくつかの課題を同定した。【JST・京大機械翻訳】

, , , , , , ,
, 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る