Oct, 2023
制造业中基于情境赌博机的集合主动学习
Ensemble Active Learning by Contextual Bandits for AI Incubation in Manufacturing
Yingyan Zeng, Xiaoyu Chen, Ran Jin
TL;DR在线感知和计算资源在工业物联网系统（Industrial Cyber-physical Systems，ICPS）中促进了以人工智能为驱动的决策制定。然而，数据质量的问题，如不平衡类别，阻碍了离线训练的人工智能模型。为了解决这个问题，人工智能模型通过流式数据进行在线更新，持续改进。然而，监督学习模型在选择质量流式样本进行更新时面临注释限制的挑战。文献中的主动学习方法通过关注不充分或充分代表的区域提供了解决方案。在不断变化的制造背景下平衡这些策略是具有挑战性的。一些人工智能学到的获取准则动态地适应，但可能不一致地处理频繁变化。我们引入了一种集成主动学习方法 CBEAL，专门用于探索或开发的主动学习代理。代理的权重根据代理决策的有效性进行调整。CBEAL 在最小化人工注释的同时，优化地指导数据获取。我们的理论分析和实证研究验证了 CBEAL 在 ICPS 制造过程建模方面的效率。