Privacy-Preserving Active Learning for circular manufacturing supply chains for extreme data sparsity scenarios

Dieser Artikel beschreibt die Frustration eines Forschers über extreme Datensparheit in kreislauforientierten Fertigungslieferketten für Seltene-Erden-Magnete. Die Forschung wurde durch ein Dilemma zwischen dem Sammeln weiterer Daten oder dem erzwungenen Teilen angestoßen, was zu einer Erkenntnis über aktives Lernen für die Erkennung seltener Ereignisse und den Schutz der Privatsphäre führte.