返回
Adaptive Framework for Data-Driven Probabilistic Design Space Identification
DOI:10.1016/j.ces.2026.124255.png)
摘要
En 中文
• 无可靠机理模型的系统设计空间识别 • 基于可行性的采样指导可行区域的效率探索 • 改进的Delaunay三角剖分方法实现自适应、几何驱动的采样 • 确定性策略产生一致且可重复的设计空间估计 • 减少实验并避免批量贝叶斯优化中出现的变异性
Keyword:
Quality by Design
Design Space Identification
Adaptive Sampling
Design of Experiments
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.3
论文数:
2.3W
被引数:
7.1W
机构
引用论文
Probabilistic design space identification for upstream bioprocesses under limited data availability在数据有限条件下上游生物工艺的概率设计空间识别
Taking the Human Out of the Loop: A Review of Bayesian Optimization将人类带出循环: 贝叶斯优化的回顾
PROCEEDINGS OF THE IEEE
IF25.9
An Optimization-Based Framework to Define the Probabilistic Design Space of Pharmaceutical Processes with Model Uncertainty
Processes
IF0

