数据集概述
本数据集是论文《Graph-to-SFILES: Control structure prediction from process topologies using generative artificial intelligence》的补充信息，记录Graph-to-SFILES模型超参数优化的结果。通过网格搜索对批次大小、学习率、编码器层数、解码器层数等超参数进行调优，并评估四种不同的图编码器，为模型性能优化提供参考。
文件详解
- 文件名称：2025_Graph-to-SFILES_hyperparameter_search.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含Graph-to-SFILES模型超参数优化的结果数据，涉及网格搜索的超参数（批次大小、学习率、编码器层数、解码器层数）及四种图编码器的评估信息。
数据来源
论文“Graph-to-SFILES: Control structure prediction from process topologies using generative artificial intelligence”的补充信息
适用场景
- 生成式AI模型优化研究: 用于分析Graph-to-SFILES模型超参数对性能的影响，指导模型参数调优。
- 图编码器性能评估: 对比四种图编码器在模型中的表现，为编码器选择提供依据。
- 过程拓扑控制结构预测研究: 支撑基于过程拓扑的控制结构预测模型的优化与改进。
- 人工智能模型超参数搜索方法验证: 参考网格搜索在该模型优化中的应用效果，验证超参数调优策略的有效性。
