东北大学徐伟教授团队：运用知识图谱注意力神经网络应对智能制造冷启动问题：提升可解释性和精度

本文由东北大学徐伟教授团队撰写，主要探讨了在钢铁轧制生产过程中，由于数据种类匮乏和分布失衡导致的冷启动问题。为了解决这一问题，研究团队提出了SteelKGAT模型，该模型结合了知识图谱和多头注意力机制，旨在提高预测的准确性和可解释性。研究结果显示，SteelKGAT在预测新产品性能方面显著优于现有方法，特别是在冷启动场景下。此外，通过引入积分梯度方法，研究还深入分析了模型预测逻辑，增强了模型的可信度。本文的研究不仅为钢铁制造领域提供了新的解决方案，也为其他领域的冷启动问题提供了参考。