電炉鋼製造、履歴フィードバック学習で温度・化学組成予測精度向上
Ahmed Shoyeb Raihan氏らは11月12日(現地時間)、Electric arc furnace (EAF)鋼製造における溶融鋼温度と最終化学組成の予測精度を向上させる、可用性認識型履歴フィードバック学習フレームワークを開発したことをarXiv cs.LGで発表した。断続的または遅延した測定が、タイムリーな予測に必要な情報を制限するという課題に対し、このフレームワークは履歴データを活用することで対応。19,738の温度ヒートと3,341の化学ヒートを用いた評価で有効性を示した。