跳到正文
arXiv · AI· Agung Nugraha, Hyerin Kwon, Heungjun Im, Gian Antariksa, Jihwan Lee·· 2026-10-08AI 评分32

CoNN-AL 框架实现汽车玻璃跑道通道的数据高效部分逆向设计

Stream-Based Active Learning with Cooperative Neural Networks for Data-Efficient Partial Inverse Design: An Automotive Glass Run Channel Case Study

AI 导读

提出 CoNN-AL 框架,将基于流的主动学习结合至协同去噪自编码器,针对部分逆向设计问题优化标签使用效率。 在包含 90 万设计的汽车玻璃数据集上,仅用 2 万标签即达到 0.967-0.982 的 R-squared,比随机采样节省 30-40% 标签。 该研究同时公开了数据集,以支持未来数据驱动设计的研究。

来源:arXiv · AI · arxiv.org