麻省理工学院 发布 DrivAerNet等五个工程数据集 数据集, 应用在 工程连续学习、工程设计 领域

麻省理工学院 本次发布的数据集 DrivAerNet等五个工程数据集, 本研究构建了九个新的工程连续学习基准，这些基准基于五个代表性的3D工程数据集，包括DrivAerNet数据集，用于评估不同连续学习策略在工程代理模型任务中的表现。这些数据集模拟了新设计和新约束下工程数据的发展，要求模型能够随着时间的推移整合新知识。数据集的创建是为了解决传统代理模型方法在动态环境下的局限性，通过持续学习来实现更高效的模型更新，避免从零开始的重训练。这些数据集的应用领域主要是工程设计，旨在解决随着新数据、新约束或性能目标的出现，模型必须适应数据分布变化的问题。

查看DrivAerNet等五个工程数据集

关于 麻省理工学院 , 麻省理工学院，位于美国马萨诸塞州剑桥市，是一所全球知名的私立研究型大学，以其在科学、工程和技术领域的创新和领导地位而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。