数据稀缺条件下材料科学中少样本学习方法的开发与应用

计算材料学 2025-04-23 09:00
文章摘要
本文综述了在数据稀缺条件下材料科学中少样本学习方法的发展与应用。背景介绍了机器学习在材料科学中的重要性及其面临的挑战,特别是数据稀缺问题。研究目的为探讨少样本学习方法在材料科学中的应用,包括数据集扩展方法和算法应用。结论指出,尽管少样本学习在材料科学中具有广阔的应用前景,但仍存在框架适用性、模型可解释性和数据稀缺等挑战,未来需要通过数据存储、数据库建设和少样本算法研究的协同努力来推动发展。
数据稀缺条件下材料科学中少样本学习方法的开发与应用
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
推荐文献
Issue Publication Information
DOI: 10.1021/elv007i008_192661110.1021/elv007i008_1926611 Pub Date : 2025-04-22
IF 4.3 3区 材料科学 Q1 ACS Applied Electronic Materials
Issue Publication Information
DOI: 10.1021/aev008i008_192856310.1021/aev008i008_1928563 Pub Date : 2025-04-28
IF 5.4 3区 材料科学 Q2 ACS Applied Energy Materials
计算材料学
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信