LEARNING
从数据到决策：浮选控制的贝叶斯建模与全局灵敏度分析
Paulina Quintanilla, Agustin Fuenzalida, Daniel Navia, Pablo Brito-Parada
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种数据驱动的框架，用于浮选系统的可解释建模和决策支持，集成了高斯过程回归与基于Sobol指数的全局灵敏度分析以及SHAP局部可解释性。该研究通过贝叶斯推断和灵敏度度量，系统地识别了影响空气回收率的关键变量及其交互作用，为浮选过程的数据驱动控制和优化提供了基础。
关键词
Bayesian modellingglobal sensitivity analysisflotation controlGaussian processSHAP
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