Jul, 2022

可解释的人机交互动态数据驱动数字孪生

PDF
TL;DR本文提出了一种利用可解释机器学习和目标建模的方法，以加强人在环路动态数据驱动的应用系统和数字孪生系统的可解释性，并考虑效用的权衡分析。实验结果表明，该方法在智能仓储的运用中取得了成功。
digital twinsdynamic data-driven applications systemssensing feedbackexplainabilityinterpretable machine learning
发现论文，激发创造
  • 大型语言模型用于动态数字孪生中的可解释决策

    利用大型语言模型为动态数据驱动型数字孪生提供可解释性平台，利用领域专业知识库生成系统决策的自然语言解释。以智能农业为案例进行了研究。

    May, 2024

  • 基于动态数据驱动的区块链系统数字孪生

    本文研究了如何利用 DDDAS 反馈循环来支持 trilemma 的优化组件，利用强化学习代理和模拟组件来提高学习模型的质量，同时减少决策所需的计算开销。

    Dec, 2023

  • TwinExplainer：解释汽车数字孪生的预测

    本文介绍一种 TwinExplainer 系统，其可以解释汽车数据驱动数字孪生系统的预测，并且它可以帮助汽车利益相关者了解传感器通道的全球规模以及它们对通用 DT 预测的贡献。

    Feb, 2023

  • 数字孪生：人类的定位在哪里？

    本文提出了一个 Digital Twin 级别的概念框架（ Levels of Digital Twin），以帮助实践者规划 DT 部署，明确目标和可交付成果，并制定战略愿景。框架可帮助回答人与 DT 合作时 DT 可以扮演哪些角色以及这些角色可以自动化到何种程度的问题，并通过案例说明了框架的有用性。

    Jan, 2023

  • 基于图像的深度学习技术对智能数字孪生的综述

    通过持续数据同化，智能数字孪生系统（SDTs）在多个领域中使用图像数据观察和学习系统行为，并控制其行为，从而提高复杂系统的性能优化。本文聚焦于不断同化物理系统中的图像数据来发展基于图像的 SDTs 的各种方法及相关挑战，并讨论了设计和实现 DL 模型用于 SDTs 所面临的挑战，包括数据采集、处理和解释等方面。此外，还提供了关于发展新的基于图像的 DL 方法以构建稳健 SDTs 的未来方向和机会，包括利用生成模型进行数据增强，开发多模态 DL 模型，以及探索与 5G、边缘计算和物联网等其他技术的融合。本文描述了基于图像的 SDTs，使得数字孪生系统（DT）的范式能够在广泛的领域得到更广泛的应用，并开发新的方法以提高 SDTs 在复制、预测和优化复杂系统行为方面的能力。

    Jan, 2024

  • 在油气工业中增强可靠性和适应性的数字孪生框架，实现最优和自治决策

    该研究提出了一个数字孪生框架，应用于石油和天然气工业中的气举过程，旨在提高数字孪生系统的稳健性和适应性。该框架结合了贝叶斯推断、蒙特卡罗模拟、迁移学习和不确定性管理等技术，为数字孪生系统提供高效、可靠、值得信赖的识别，并致力于改进复杂实际场景中的决策过程。

    Nov, 2023

  • 数字孪生：从概念到实践

    本文提出了一个数字化框架，通过权衡每个层次的利弊，制定数字孪生系统的评价标准，评估所选数字孪生系统对组织流程、策略和价值创造的影响，来帮助实践者选择数字孪生系统中的适当复杂度，同时提出数字孪生系统能提供诸如预测、模拟、人工智能和机器学习等新兴能力的误用选择可能带来的风险。三个实际案例证明了该框架的应用和实用性。

    Jan, 2022

  • 数字孪生的新视角：为实体赋予智能和代理能力

    将数字孪生作为赋予智能和机构的实体的方式，可以避免混淆，人性化概念，并讨论数字孪生的智能程度、角色和责任，以及为数字孪生设定长期方向。

    Oct, 2022

  • AI 与数字孪生的相互作用：构建数据驱动和模型驱动方法之间的桥梁

    数字孪生网络在网络编排、资源管理和人工智能模型训练及智能推理等方面具有重要作用，是实现 6G 网络的关键技术之一。本文探讨数字孪生网络与人工智能相互促进的机制，并为探索数字孪生网络与人工智能的未来研究方向提供参考。

    Sep, 2022

  • 构建和评估数字孪生：一个智能框架用于 DT 开发

    数字孪生的发展代表了一种在受控数字空间中模拟和优化复杂系统的变革性进展，本文介绍了一种智能框架用于构建和评估数字孪生，旨在提高数字孪生在测试算法性能方面的准确性和实用性。

    Jun, 2024