北科大 岩雨MGE Advances：针对氢脆现象的一种基于考虑数据缺失的集成学习训练策略

文章预览

扫描二维码查看期刊主页和文章原文 文章引用： Gong X, Lei R, Sun R, Jiang  X, Su Y, Yan Y. An ensemble learning strategy for  multi-source hydrogen embrittlement data by  introducing missing information MGE Advances 2024;e35. https://doi.org/10.1002/mgea.35 文章摘要 准确快速地预测氢脆性能对于金属材料的使用至关重要。然而，由于多源异质性，现有的氢脆数据缺失，因此训练可靠的机器学习模型不切实际。在这项研究中，我们提出了一种基于Adaboost算法的缺失数据集成学习训练策略。该方法引入了一个具有缺失数据的掩码矩阵，并允许每轮训练生成子数据集，同时考虑缺失值信息。该策略首先基于现有数据集和选定的方法训练一个子集特征，并持续关注误差最高的特征组合进行迭代训练，其中使用缺失数据的掩码矩阵作为输入，使用神经网络拟合每个基础学习者的权重。与直接在高度稀疏 ………………………………