KDD

FilDeep: Learning Large Deformations of Elastic-Plastic Solids with Multi-Fidelity Data

FilDeep：利用多保真数据学习弹性-塑性固体的大变形

Jianheng Tang, Shilong Tao, Zhe Feng, Haonan Sun, Menglu Wang, Zhanxing Zhu, Yunhuai Liu

机构 * Peking University（北京大学） ； University of Southampton（南安普顿大学） 纠错

AI总结 FilDeep通过结合低保真度和高保真度数据，解决大变形问题中数据数量与精度的矛盾，实现高效且精确的弹性-塑性固体大变形模拟。

Comments Accepted in Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1 (KDD '26)

Fast Mining and Dynamic Time-to-Event Prediction over Multi-sensor Data Streams

多传感器数据流上的快速挖掘与动态时间到事件预测

Kota Nakamura, Koki Kawabata, Yasuko Matsubara, Yasushi Sakurai

机构 * InfoTech, Toyota Motor Corporation（丰田汽车公司信息科技部门） ； SANKEN, Osaka University（大阪大学SANKEN） 纠错

AI总结 TimeCast通过动态预测框架实现多传感器数据流中故障时间的高效预测，具备动态适应、实用性和可扩展性，提升预测精度并减少计算时间。

Comments Accepted by KDD 2026