arXiv · cs.AI· Rohit Murali·· 20 小时前AI 评分6
基于 LSTM-beta-VAE 生成式数据增强的工业厌氧共消化多输出 LSTM 软测量方法
Multi-output LSTM soft sensors for industrial anaerobic co-digestion using LSTM-beta-VAE generative data augmentation
来源与原文
arXiv · cs.AI
作者：Rohit Murali
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39768v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项研究提出结合 LSTM-beta-VAE 生成式数据增强与多输出 LSTM（MO-LSTM）软测量框架，用于工业厌氧消化过程的关键指标监测。该方法利用一年全规模工厂运行数据合成向不稳定工况过渡的物理有效序列，缓解数据稀疏问题；基线评估显示 Random Forest、XGBoost 及未增强的 LSTM 均难以识别失稳转变，而增强训练后的 MO-LSTM 可对所有目标实现稳健的同时估计。
来源：arXiv · cs.AI · arxiv.org