論文の概要: Prediction of flow characteristics in the bubble column reactor by the
artificial pheromone-based communication of biological ants
- arxiv url: http://arxiv.org/abs/2001.04276v1
- Date: Thu, 9 Jan 2020 19:36:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 04:11:40.901964
- Title: Prediction of flow characteristics in the bubble column reactor by the
artificial pheromone-based communication of biological ants
- Title(参考訳): 生物アリの人工フェロモン通信による気泡柱反応器内の流動特性の予測
- Authors: Shahab Shamshirband, Meisam Babanezhad, Amir Mosavi, Narjes Nabipour,
Eva Hajnal, Laszlo Nadai, Kwok-Wing Chau
- Abstract要約: アント挙動に基づくアントコロニー最適化アルゴリズム(ACO)フレームワークは,3次元気泡柱リアクトル内のすべての局所的な数学的解を解くことができる。
モデリングの新しい概要は、自然界の生物行動に新たな視点を描き出すことができる。
- 参考スコア(独自算出の注目度): 1.2313056815753947
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In order to perceive the behavior presented by the multiphase chemical
reactors, the ant colony optimization algorithm was combined with computational
fluid dynamics (CFD) data. This intelligent algorithm creates a probabilistic
technique for computing flow and it can predict various levels of
three-dimensional bubble column reactor (BCR). This artificial ant algorithm is
mimicking real ant behavior. This method can anticipate the flow
characteristics in the reactor using almost 30 % of the whole data in the
domain. Following discovering the suitable parameters, the method is used for
predicting the points not being simulated with CFD, which represent mesh
refinement of Ant colony method. In addition, it is possible to anticipate the
bubble-column reactors in the absence of numerical results or training of exact
values of evaluated data. The major benefits include reduced computational
costs and time savings. The results show a great agreement between ant colony
prediction and CFD outputs in different sections of the BCR. The combination of
ant colony system and neural network framework can provide the smart structure
to estimate biological and nature physics base phenomena. The ant colony
optimization algorithm (ACO) framework based on ant behavior can solve all
local mathematical answers throughout 3D bubble column reactor. The integration
of all local answers can provide the overall solution in the reactor for
different characteristics. This new overview of modelling can illustrate new
sight into biological behavior in nature.
- Abstract(参考訳): 多相化学反応器の挙動を理解するため, アリコロニー最適化アルゴリズムと計算流体力学(CFD)データを組み合わせた。
このインテリジェントアルゴリズムは、流れの確率論的手法を作成し、様々なレベルの3次元気泡柱反応器(BCR)を予測できる。
この人工アリアルゴリズムは本物のアリの行動を模倣している。
この方法は, 領域内の全データの約30%を用いて, 反応器内の流動特性を予測できる。
適切なパラメータを発見した後、antコロニー法のメッシュ微細化を表すcfdでシミュレートされていない点を予測するために使用される。
また、数値的な結果や評価データの正確な値のトレーニングがなければ、気泡カラム型原子炉を予測できる。
主な利点は計算コストの削減と時間節約である。
その結果,bcrの各区間におけるantコロニー予測とcfd出力との間に大きな一致が認められた。
antコロニーシステムとニューラルネットワークフレームワークの組み合わせは、生物学的および自然物理学の基礎現象を推定するスマートな構造を提供することができる。
antビヘイビアに基づくantコロニー最適化アルゴリズム(aco)フレームワークは、3dバブルカラムリアクタ全体の局所的な数学的解を全て解くことができる。
全ての局所解の積分は、異なる特性のために反応器の全体的解を与えることができる。
このモデリングの新たな概要は、自然界の生物行動に新たな視点を描き出すことができる。
関連論文リスト
- A predictive physics-aware hybrid reduced order model for reacting flows [65.73506571113623]
反応流問題の解法として,新しいハイブリッド型予測次数モデル (ROM) を提案する。
自由度は、数千の時間的点から、対応する時間的係数を持ついくつかのPODモードへと減少する。
時間係数を予測するために、2つの異なるディープラーニングアーキテクチャがテストされている。
論文 参考訳(メタデータ) (2023-01-24T08:39:20Z) - Reactmine: a search algorithm for inferring chemical reaction networks
from time series data [0.0]
時系列データから化学反応ネットワーク(CRN)を推定することは、細胞レベルでの定量的時間的データの増加によって促進される課題である。
本稿では, 境界深さの探索木内に連続的に反応を推論することにより, 空間性を向上させるCRN学習アルゴリズムであるReactmineを提案する。
我々は、SINDyが失敗する隠れCRNを検索することで、Reactmineがシミュレーションデータに成功し、以前の研究と一致して反応を推測することで、2つの実際のデータセットに成功していることを示す。
論文 参考訳(メタデータ) (2022-09-07T14:30:33Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳(メタデータ) (2022-08-10T19:17:45Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳(メタデータ) (2021-11-15T03:16:56Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳(メタデータ) (2021-10-26T07:02:14Z) - Supervised Learning and the Finite-Temperature String Method for
Computing Committor Functions and Reaction Rates [0.0]
希少事象の計算研究における中心的な対象はコミッタ関数である。
アルゴリズムの精度を改善するために追加の修正が必要であることを示す。
論文 参考訳(メタデータ) (2021-07-28T17:44:00Z) - Local approximate Gaussian process regression for data-driven
constitutive laws: Development and comparison with neural networks [0.0]
局所近似過程回帰を用いて特定のひずみ空間における応力出力を予測する方法を示す。
FE設定におけるグローバル構造問題を解決する場合のlaGPR近似の局所的性質に適応するために、修正されたニュートン・ラフソン手法が提案される。
論文 参考訳(メタデータ) (2021-05-07T14:49:28Z) - Expectation propagation on the diluted Bayesian classifier [0.0]
本稿では,二項分類の文脈におけるスパース特徴選択の問題に対処する統計力学にインスパイアされた戦略を導入する。
予測伝搬(EP)として知られる計算スキームは、分類規則を学習する連続重みの知覚を訓練するために用いられる。
EPは、変数選択特性、推定精度、計算複雑性の点で頑健で競争力のあるアルゴリズムである。
論文 参考訳(メタデータ) (2020-09-20T23:59:44Z) - Efficient Inference of Flexible Interaction in Spiking-neuron Networks [41.83710212492543]
非線形ホークス法を用いて、ニューロン間の興奮的または抑制的な相互作用をモデル化する。
提案アルゴリズムは, 相互作用の時間的ダイナミクスを推定し, ニューラルスパイク列の根底にある機能的接続を明らかにする。
論文 参考訳(メタデータ) (2020-06-23T09:10:30Z) - Learning from Aggregate Observations [82.44304647051243]
本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。
本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。
単純な極大解は様々な微分可能なモデルに適用できる。
論文 参考訳(メタデータ) (2020-04-14T06:18:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。