一個簡單的想法，可以解決系統建模中的複雜問題

在改善精確工程的努力中，一種新方法已經浮出水面，以打破當前建模技術的局限性。研究人員Chen Luo，Ao-Fi Li，Jiang Xiao和Ming Li由深圳高級研究所的Yun Li教授領導，電子科學與技術大學提出了一個實用的解決方案。他們的研究發表在科學報告中，解釋了一種名為“狀態空間模型灰色框（SSM）”的方法，該方法結合了動態建模的簡單性，準確性和透明度。

將基本科學原理與先進的數據分析相結合，這種混合模型與灰色框相結合，與一個白盒的物理定律相結合，這是像徵性的規則，描述了事物和能量在現實世界中的表現以及使用通用功能近似值的許多黑匣子的機器學習技術。或預測。這種組合創建了一個模型，不僅可以解釋，而且在現實世界中適合不同的複合體。李教授說：“在他的強大框架內包括專家知識，我們確保在不同條件下這些模型可以理解和有效。”

將這種方法測試到清潔室中用於生產中的非常敏感的溫度控制系統表明其有效性。這些系統是無塵和污染的環境，需要對空氣和水進行極為準確的溫度調節。灰色框模型超過了傳統方法的性能，比獨立方法更好地管理了不可預測的系統更改和獨特功能。

使用SSM結構開發的灰色框模型使用了兩個轉換。一個將位於常規全局線性白色框中的不規則非線性方程轉換為不規則的非線性方程，另一個將其狀態依賴性參數轉換為常規局部函數近似值。因此，物理定律構成了模型的基礎，同時使用機械學習來動態調整參數設置。例如，在控制清潔室的空氣溫度時，該模型依賴於兩個能量傳遞原理，這些原理解釋了熱量如何在對象之間移動，而真實時間數據（將信息收集為事件）以實現最佳性能。李教授解釋說：“我們的模型可以以非凡的準確性來預測新場景的行為，這對於經營條件經常發生變化的行業至關重要。”

將普通的挑戰作為不完整的信息（指差距或丟失的數據以及效率低下的計算），灰色框框架顯示出更高的適應能力，同時仍提供有關其工作原理的知識。適應性和清晰度的這種混合對於實際工業用途至關重要。

灰色框SSM跨度的各個領域的未來機會，包括空域，包括飛機和船舶的設計和生產以及能源管理，重點是有效地使用資源。 Li教授將這種方法視為更智能，更透明的工程技術的一部分。這種變化代表了汽車不僅要執行的未來，還可以解釋其功能，從而提高信任和效率。李教授觀察到：“我們的目標是開發高效且可解釋的工具’為工程’。

日記

Luo，C.，Li，A.，Xiao，J.，Li，M。 ＆Li，Y。科學報告，2024年。

關於

Chen Luo博士 它的博士學位來自中國武漢大學地球科學大學。她目前是一位博士後伴侶，干擾了工程的人工智能。它的工作解決了智能城市和大型工程項目的關鍵科學挑戰，以確保它們強大而可以理解。 Luo博士的貢獻旨在支持最聰明，更自信，更可持續的城市發展，這使其成為將其與工程科學融為一體的關鍵人物。

ao-yjin li 他於2021年獲得了河南理工大學的學士學位。他目前正在中國深圳市電子科學與技術大學深圳高級研究所獲得工程醫師學位。他的研究興趣包括智能控制，機器人技術和具體的情報。

江小 他於2022年從中國成都大學電子技術大學獲得了學士學位。他目前正在中國中國電子科學與技術的深圳高級研究所的MS等級。他的最新研究興趣包括計算智能，大語言模型及其在通信系統中的應用。

明李 他獲得了中國南部師範大學，中國廣州的等級BS。他目前是中國中國大學，中國深圳市，深圳市的深圳高級研究所的研究生。他的工作重點是壓縮神經網絡。明李致力於推進機械學習技術，尤其是神經網絡優化。