論文の概要: Beer Organoleptic Optimisation: Utilising Swarm Intelligence and Evolutionary Computation Methods

• arxiv url: http://arxiv.org/abs/2004.03438v1
• Date: Tue, 7 Apr 2020 14:39:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 23:22:58.707384
• Title: Beer Organoleptic Optimisation: Utilising Swarm Intelligence and Evolutionary Computation Methods
• Title（参考訳）: ビールの有機懐疑的最適化 : Swarm Intelligence と進化的計算手法の活用
• Authors: Mohammad Majid al-Rifaie and Marc Cavazza
• Abstract要約: 本稿では、製造工程が柔軟であるクラフトビールの特定の場合におけるビール特性の計算について述べる。 我々は、3つのSwarmインテリジェンスと進化的手法を用いて、醸造者が物理化学的性質をマッピングし、有機懐疑的な性質をターゲットとして特定の醸造を設計することができるようにします。 提案手法は、新しいレシピの発見、パーソナライゼーション、および既存のレシピの代替的な高忠実度再生を可能にする。
• 参考スコア（独自算出の注目度）: 2.8010955192967852
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Customisation in food properties is a challenging task involving optimisation of the production process with the demand to support computational creativity which is geared towards ensuring the presence of alternatives. This paper addresses the personalisation of beer properties in the specific case of craft beers where the production process is more flexible. We investigate the problem by using three swarm intelligence and evolutionary computation techniques that enable brewers to map physico-chemical properties to target organoleptic properties to design a specific brew. While there are several tools, using the original mathematical and chemistry formulas, or machine learning models that deal with the process of determining beer properties based on the pre-determined quantities of ingredients, the next step is to investigate an automated quantitative ingredient selection approach. The process is illustrated by a number of experiments designing craft beers where the results are investigated by "cloning" popular commercial brands based on their known properties. Algorithms performance is evaluated using accuracy, efficiency, reliability, population-diversity, iteration-based improvements and solution diversity. The proposed approach allows for the discovery of new recipes, personalisation and alternative high-fidelity reproduction of existing ones.
• Abstract（参考訳）: 食品特性のカスタマイズは、生産プロセスの最適化と、代替品の存在を保証することを目的とした計算的創造性の支援の要求を伴う課題である。 本稿では,製造プロセスがより柔軟であるクラフトビールの特定事例におけるビール特性のパーソナライズについて述べる。 本研究では,3つのスワムインテリジェンスと進化的計算技術を用いて,醸造者が物理化学的特性を目的とする有機懐疑的特性にマッピングし,特定の醸造酒を設計することを可能にする。 従来の数式・化学式や、あらかじめ決定された成分量に基づいてビールの物性を決定する過程を扱う機械学習モデルなど、いくつかのツールがあるが、次のステップは自動量的成分選択アプローチを検討することである。 このプロセスは、工芸ビールを設計する多くの実験によって説明され、その成果は、その既知の特性に基づいて人気のある商業ブランドの「閉鎖」によって調査される。 アルゴリズムの性能は精度、効率、信頼性、人口多様性、イテレーションベースの改善、ソリューションの多様性を用いて評価される。 提案手法により,既存のレシピを再現する新しいレシピ,パーソナライゼーション,代替の高忠実性再現が発見できる。

関連論文リスト

• Targeting the partition function of chemically disordered materials with a generative approach based on inverse variational autoencoders [0.0]
  そこで本研究では,生成機械学習を用いて特性評価を行う手法を提案する。 本手法では,エンコーダとデコーダの逆の役割を持つ特定の種類の変分オートエンコーダを用いる。 本稿では, (U, Pu)O2混合酸化物燃料における点欠陥生成エネルギーと濃度の計算によるアプローチについて述べる。
  論文  参考訳（メタデータ） (2024-08-27T10:05:37Z)
• Intelligent Chemical Purification Technique Based on Machine Learning [5.023197681500998]
  本研究では, カラムクロマトグラフィーを用いた人工知能の革新的開発を行い, 不効率を解消し, 化学分離・浄化領域におけるデータの収集を標準化することを目的とする。 高精度なデータ取得と高度な機械学習アルゴリズムを用いた自動プラットフォームの開発により、キー分離パラメータを予測する予測モデルを構築した。 新規な計量である分離確率(S_p$)は、有効化合物分離の確率を定量化し、実験的な検証によって検証する。
  論文  参考訳（メタデータ） (2024-04-14T01:44:58Z)
• Enhanced Bayesian Optimization via Preferential Modeling of Abstract Properties [49.351577714596544]
  本研究では,非測定抽象特性に関する専門家の嗜好を代理モデルに組み込むための,人間とAIの協調型ベイズフレームワークを提案する。 優先判断において、誤った/誤解を招く専門家バイアスを処理できる効率的な戦略を提供する。
  論文  参考訳（メタデータ） (2024-02-27T09:23:13Z)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
  統計的決定論の研究からシャノンエントロピーの一般化を考える。 まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。 次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
  論文  参考訳（メタデータ） (2022-10-04T04:43:58Z)
• MetaRF: Differentiable Random Forest for Reaction Yield Prediction with a Few Trails [58.47364143304643]
  本稿では,反応収率予測問題に焦点をあてる。 筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。 数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
  論文  参考訳（メタデータ） (2022-08-22T06:40:13Z)
• Multi-Objective Evolutionary Beer Optimisation [2.8010955192967852]
  本稿では,ビールの個人化について述べる。 そこで本研究では,醸造業者が希望するビールを原料量と組み合わせにマッピングするシステムを提案する。
  論文  参考訳（メタデータ） (2022-04-06T11:52:04Z)
• Surrogate-Based Black-Box Optimization Method for Costly Molecular Properties [0.0]
  本稿では,サロゲートをベースとしたブラックボックス最適化手法を提案する。 提案手法は, 純粋にメタヒューリスティックなアプローチよりもはるかに高速に, 利害関係のコスト特性を最適化できることを示す。
  論文  参考訳（メタデータ） (2021-10-01T15:28:15Z)
• Knowledge transfer across cell lines using Hybrid Gaussian Process models with entity embedding vectors [62.997667081978825]
  生物化学的プロセスを開発するために、多数の実験が実施されている。 既に開発されたプロセスのデータを利用して、新しいプロセスの予測を行い、必要な実験の数を大幅に削減できるだろうか。
  論文  参考訳（メタデータ） (2020-11-27T17:38:15Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)
• Gryffin: An algorithm for Bayesian optimization of categorical variables informed by expert knowledge [0.0]
  Gryffinは、専門家の知識によって駆動される分類変数の自律的な選択のためのフレームワークである。 物理化学記述子の形でドメイン知識を活用することで、グリフィンは有望な分子や物質の探索を著しく加速させることができる。 我々の結果は、Gryffinが最も単純な形式で、最先端のカテゴリー最適化アルゴリズムと競合していることを示唆している。
  論文  参考訳（メタデータ） (2020-03-26T19:52:32Z)

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。