LEARNING
验证门控多智能体治理：面向运行工况转移的热工水力代理模型在线自适应
Doyeong Lim, Seungyoon Lee, In Cheol Bang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
该论文提出了一种基于角色分离的多智能体治理框架，用于热工水力代理模型的在线持续自适应，通过监控、诊断、适应、安全审计和编排五个智能体协同工作，在运行工况转移时实现模型的安全更新。实验表明，该框架相比静态部署显著降低了预测误差和预警超标率。
关键词
continual adaptationmulti-agent governancethermal-hydraulic surrogateonline adaptationoperating regime shift
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018