arXiv · cs.AI· Agung Nugraha, Hyerin Kwon, Heungjun Im, Gian Antariksa, Jihwan Lee·· 1 天前
CoNN-AL：面向数据高效部分逆向设计的流式主动学习——汽车玻璃流道案例研究
Stream-Based Active Learning with Cooperative Neural Networks for Data-Efficient Partial Inverse Design: An Automotive Glass Run Channel Case Study
arXiv:2610.09848v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Agung Nugraha, Hyerin Kwon, Heungjun Im, Gian Antariksa, Jihwan Lee
首次提交：2026-10-07 19:07
研究任务与主要进展
研究提出 CoNN-AL，将基于流式主动学习的 CoNN-DAE 用于数据高效的部分逆向设计，并以 Monte Carlo dropout 估计预测不确定性，实时筛选值得标注的候选样本。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org