Jul, 2023

工业环境异常检测中机器学习算法的比较研究：性能与环境影响

PDF
TL;DR本研究旨在针对 “绿色 AI” 新兴话题，探讨如何在不损害环境的情况下，应对高性能机器学习模型的要求。通过对各种机器学习算法以及各种多层感知器（MLP）的配置进行仔细评估，并通过时间、CO2 排放和能耗等综合考虑来衡量这些模型的环境足迹，该研究发现，优化的 MLP 配置可以获得更优异的结果，但其资源消耗相应增加，因此必须在模型性能、复杂性和环境成本之间达成平衡。
发现论文，激发创造
  • 效率不足够：环境可持续人工智能的关键观点

    人工智能 AI 目前以深度学习等机器学习方法为核心，然而这些方法在计算、能源消耗和碳排放等方面存在环境问题。提高机器学习系统的效率仅仅是解决环境影响的一方面，系统思维则被认为是改善机器学习环境可持续性的可行途径。

    Sep, 2023

  • ML 训练与推断中的能耗实证研究

    本研究旨在通过研究绿色机器学习，考察不同模型架构和超参数在训练和推理阶段中的能效实践，以提供可持续的机器学习操作的实用指南，强调降低能耗和碳足迹同时保持性能。

    Jun, 2024

  • 回收材料的敏捷制造中的机器学习方法实现可持续性

    本研究通过数据驱动的 AI 方法，应用机器学习模型，探索采用再生和回收材料的敏捷制造决策支持的材料科学中的环境可持续性，通过对热处理参数对材料性质的影响、颗粒尺寸检测和短语分数检测进行预测分析，得出了很多有希望的结果，但是之后的工作仍需面对各种挑战。

    Mar, 2023

  • 智能电网中太阳辐射预测的机器学习算法比较分析

    利用机器学习算法如随机森林、极端梯度提升、轻量级梯度提升机、CatBoost 和多层感知器人工神经网络来预测太阳辐照度，并通过特征选择进一步提高预测性能。

    Oct, 2023

  • 迈向可持续发展：综合环境健康监测的新型集成机器学习模型

    城市化对经济增长有促进作用，但也通过环境恶化对环境造成危害。机器学习已成为一个有很大潜力的工具，通过识别关键的预测特征来跟踪环境恶化。最近的研究专注于利用污染物水平和颗粒物作为环境状态指标来开发预测模型，以勾勒出所面临的挑战。机器学习被用来识别与环境恶化相关的模式。该研究旨在帮助政府识别干预点，改进规划和保护工作，并最终促进可持续发展。

    Aug, 2023

  • 应用机器学习于企业采购过程中的异常检测

    在不断数字化的过程中，组织必须应对检测异常情况的挑战，以揭示日益增长的数据中的可疑活动。为了追求这个目标，定期进行审计，内部审计员和采购专家不断寻找自动化这些过程的新方法。本研究提出了一种方法来优先处理从真实数据中检测到的两个大型采购数据集的案例调查，旨在增加公司控制工作的效力和提高执行此类任务的绩效。在使用无监督的机器学习技术检测异常之前，进行全面的探索性数据分析。通过 z-Score 指数和 DBSCAN 算法，应用单变量方法进行处理，而通过 k-Means 和 Isolation Forest 算法以及 Silhouette 指数，实施多变量分析，从而每种方法都提出了待审查的交易候选人。还提供了候选人的集成排序以及 LIME、Shapley 和 SHAP 等解释方法的建议，以帮助公司专家的理解。

    May, 2024

  • 如何估计深度学习模型训练的碳足迹？指南与综述

    介绍了针对机器学习模型训练期间能源消耗量的多种在线和软件工具，并对这些工具的特定词汇、技术要求进行了评估和比较，并提供了一些建议。

    Jun, 2023

  • 机器学习系统可靠性的整体评估

    该研究提出了一个综合评估机器学习系统可靠性的方法，侧重考虑诸如敌对攻击、性能下降以及算法技术等方面的问题，并对 500 多个模型进行了分析，为未来的研究和发展提供了指导。

    Jul, 2023

  • 测量机器学习系统的能力并确保可靠性

    本文研究环境条件对机器学习代理的能力的影响以及实时能力评估如何提高 ML 代理的可靠性。我们学习了一个条件表示，这个表示能够影响 ML 代理的策略和性能，从而能够确定 ML 代理在模拟自驾车的障碍 Avoidance 任务中使用视觉图像维护操作员期望的行动。

    Dec, 2022

  • 城市空气质量分析的机器学习：综述

    通过机器学习模型，本文提供了一份综合的调研报告，涵盖了空气质量分析的各个方面，从数据采集到预处理，并包括污染模式挖掘、空气质量推断和预测等分析任务。同时，给出了对现有方法和应用的系统分类和总结，并提供了一份公开可用的空气质量数据集列表，以便在这个方向上进行研究。最后，我们确定了一些有前景的未来研究方向。这份调研报告可以作为一个宝贵的资源，帮助专业人士找到适合解决自己特定挑战的解决方案，并推动他们在前沿领域的研究。

    Oct, 2023