arXiv · ML· Gonzalo E. Constante-Flores, Andr\'e H. Quisaguano-Paredes, Asha Ramanujam, Rishabh Gupta, Can Li·· 16 小时前AI 评分23
基于高保真反馈的低保真优化模型自监督调优
Self-Supervised Tuning of Low-Fidelity Optimization Models via High-Fidelity Feedback
AI 导读
提出自监督框架直接利用高保真（HF）反馈参数化低保真（LF）优化模型，无需 HF 解标签。 LF 问题嵌入为可微优化层端到端训练，通过 HF 校正问题的对偶变量提供梯度信息。 在最优电力流、气体流及混合问题中，该方法提升目标质量与可行性，并泛化至 30,000 节点未见网络。
来源：arXiv · ML · arxiv.org