Northeastern University（东北大学）

Drift-Aware Online Dynamic Learning for Nonstationary Multivariate Time Series: Application to Sintering Quality Prediction

考虑漂移的在线动态学习用于非平稳多变量时间序列：应用于烧结质量预测

Yumeng Zhao, Shengxiang Yang, Xianpeng Wang

机构 * National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Northeastern University（东北大学工业智能与系统优化国家级前沿科学中心） ； De Montfort University（德蒙福特大学） ； Innovative Artificial Intelligence Cluster, Digital Future Institute, De Montfort University（德蒙福特大学数字未来研究所创新人工智能集群） ； Key Laboratory of Data Analytics and Optimization for Smart Industry (Northeastern University), Ministry of Education（东北大学智能工业数据解析与优化教育部重点实验室） 纠错

AI总结 本文提出DA-MSDL框架，通过在线自适应机制在非平稳数据流中保持鲁棒的多输出预测性能，利用多尺度双分支卷积网络分离局部波动与长期趋势，并通过最大均值差异检测漂移，实现快速分布对齐和灾难性遗忘缓解。

StaRPO: Stability-Augmented Reinforcement Policy Optimization

StaRPO：稳定性增强的强化策略优化

Jinghan Zhang, Fengran Mo, Tharindu Cyril Weerasooriya, Ruimin Dai, Xiaoyan Han, Yanjie Fu, Dakuo Wang, Kunpeng Liu

机构 * Clemson University（克莱姆森大学） ； Université de Montréal（蒙特利尔大学） ； Accenture (United States)（埃森哲（美国）） ； Arizona State University（亚利桑那州立大学） ； Northeastern University（东北大学） 纠错

AI总结 StaRPO通过引入推理稳定性指标提升强化学习在复杂推理任务中的表现，通过ACF和PE指标增强逻辑稳定性和响应准确性。