-1

我正在进行一个在材料科学中构建机器学习模型的项目。目标是用实验数据建立一个预测模型。然而,由于有限的实验成本和时间,我们不期望从实验中获得足够的数据。因此,我们正在考虑使用来自有限元或离散元模拟的模拟数据训练模型,并根据实验数据评估模型。但我对这种混合持怀疑态度。即使模拟是基于实验参数建模的,也不能保证目标输出的分布与实验的分布相对应。

你怎么想?

4

1 回答 1

0

我想我不能给你一个准确的答案。然而,模拟数据的训练和在类世界环境中的部署是高能物理环境中的常见做法。他们使用 Monte-Carlo 高统计量模拟来训练模型并使用实验收集的真实数据评估其预测性能:

一个例子

你可以做的一件事来限制实验模拟的分歧,那就是在你的网络中实现一个域适应层:

这是一篇很好的文章,解释了域适应

所有这些考虑因素可能取决于您要开发的架构类型、针对哪个特定任务(二进制分类或其他?)以及您的模拟的可靠性。

于 2021-01-11T14:08:44.953 回答