論文の概要: A review of neural network algorithms and their applications in
supercritical extraction
- arxiv url: http://arxiv.org/abs/2011.05279v1
- Date: Sat, 31 Oct 2020 01:51:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 04:39:53.073807
- Title: A review of neural network algorithms and their applications in
supercritical extraction
- Title（参考訳）: ニューラルネットワークアルゴリズムのレビューと超臨界抽出への応用
- Authors: Yu Qi, Zhaolan Zheng
- Abstract要約: 本稿では,ニューラルネットワークの基本概念と研究の進展と超臨界抽出について概説する。
産業技術の発展と革新の参考となることを目的としている。
- 参考スコア（独自算出の注目度）: 5.455337487096457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural network realizes multi-parameter optimization and control by
simulating certain mechanisms of the human brain. It can be used in many fields
such as signal processing, intelligent driving, optimal combination, vehicle
abnormality detection, and chemical process optimization control. Supercritical
extraction is a new type of high-efficiency chemical separation process, which
is mainly used in the separation and purification of natural substances. There
are many influencing factors. The neural network model can quickly optimize the
process parameters and predict the experimental results under different process
conditions. It is helpful to understand the inner law of the experiment and
determine the optimal experimental conditions. This paper briefly describes the
basic concepts and research progress of neural networks and supercritical
extraction, and summarizes the application of neural network algorithms in
supercritical extraction, aiming to provide reference for the development and
innovation of industry technology.
- Abstract（参考訳）: ニューラルネットワークは、人間の脳の特定のメカニズムをシミュレートすることで、マルチパラメータ最適化と制御を実現する。
信号処理、インテリジェント駆動、最適な組み合わせ、車両の異常検出、化学プロセス最適化制御など、多くの分野で使用することができる。
超臨界抽出は、主に天然物の分離と精製に使用される、新しいタイプの高効率な化学分離プロセスである。
多くの影響要因がある。
ニューラルネットワークモデルは、プロセスパラメータを迅速に最適化し、異なるプロセス条件下で実験結果を予測できる。
実験の内部法則を理解し、最適な実験条件を決定することは有用である。
本稿では, ニューラルネットワークの基本概念と研究の進展と超臨界抽出について概説し, 超臨界抽出におけるニューラルネットワークアルゴリズムの適用を要約し, 産業技術の発展と革新の参考となることを目的とした。
関連論文リスト
- Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。
本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文 参考訳（メタデータ） (2024-09-17T04:48:45Z) - Design and development of opto-neural processors for simulation of
neural networks trained in image detection for potential implementation in
hybrid robotics [0.0]
リビングニューラルネットワークは、消費電力の低減、処理の高速化、生物学的リアリズムの利点を提供する。
本研究は,オプトジェネティクスによる精密アクティベーションを用いたSTDPベースのアルゴリズムを逆伝播させることにより,間接的に訓練されたシミュレーション型生きたニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2024-01-17T04:42:49Z) - Towards Optimal Neural Networks: the Role of Sample Splitting in
Hyperparameter Selection [10.083181657981292]
我々はニューラルネットワークの有効性を理解するための新しい理論を構築した。
具体的には、ニューラルネットワークモデルの構築において、共通の実践の基礎となる理論的根拠について検討する。
論文 参考訳（メタデータ） (2023-07-15T06:46:40Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - Towards Theoretically Inspired Neural Initialization Optimization [66.04735385415427]
我々は,ニューラルネットワークの初期状態を評価するための理論的知見を備えた,GradCosineという微分可能な量を提案する。
標準制約下でGradCosineを最大化することにより、ネットワークのトレーニングとテストの両方の性能を向上させることができることを示す。
サンプル分析から実際のバッチ設定に一般化されたNIOは、無視可能なコストで、より優れた初期化を自動で探すことができる。
論文 参考訳（メタデータ） (2022-10-12T06:49:16Z) - Artificial Neural Network and its Application Research Progress in
Distillation [3.2484467083803583]
ニューラルネットワークは、さまざまなルールとアルゴリズムを学び、異なる方法で情報を処理する。
本稿では, 人工ニューラルネットワークの基本的概要を述べるとともに, 国内外の蒸留における人工ニューラルネットワークの応用研究を紹介する。
論文 参考訳（メタデータ） (2021-10-01T06:25:53Z) - Credit Assignment in Neural Networks through Deep Feedback Control [59.14935871979047]
ディープフィードバックコントロール(Deep Feedback Control, DFC)は、フィードバックコントローラを使用して、望ましい出力ターゲットにマッチするディープニューラルネットワークを駆動し、クレジット割り当てに制御信号を使用する新しい学習方法である。
学習規則は空間と時間において完全に局所的であり、幅広い接続パターンに対するガウス・ニュートンの最適化を近似する。
さらに,DFCと皮質錐体ニューロンのマルチコンパートメントモデルと,局所的な電圧依存性のシナプス可塑性規則を関連づける。
論文 参考訳（メタデータ） (2021-06-15T05:30:17Z) - Neural network algorithm and its application in reactive distillation [3.7692411550925673]
反応蒸留は化学反応と蒸留のカップリングに基づいている。
反応蒸留プロセスの制御と最適化はニューラルネットワークアルゴリズムに依存しなければならない。
本稿では,反応蒸留技術とニューラルネットワークアルゴリズムの特性と研究の進展について概説する。
論文 参考訳（メタデータ） (2020-11-16T02:18:52Z) - Factorized Neural Processes for Neural Processes: $K$-Shot Prediction of
Neural Responses [9.792408261365043]
我々は,小さな刺激応答対からニューロンのチューニング関数を推定するファクトリズ・ニューラル・プロセスを開発した。
本稿では,ニューラルプロセスからの予測および再構成された受容場が,試行数の増加とともに真理に近づいたことをシミュレートした応答を示す。
この新しいディープラーニングシステム識別フレームワークは、ニューラルネットワークモデリングを神経科学実験にリアルタイムに組み込むのに役立つと信じている。
論文 参考訳（メタデータ） (2020-10-22T15:43:59Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳（メタデータ） (2020-05-04T13:24:00Z) - Parallelization Techniques for Verifying Neural Networks [52.917845265248744]
検証問題に基づくアルゴリズムを反復的に導入し、2つの分割戦略を探索する。
また、ニューラルネットワークの検証問題を単純化するために、ニューロンアクティベーションフェーズを利用する、高度に並列化可能な前処理アルゴリズムも導入する。
論文 参考訳（メタデータ） (2020-04-17T20:21:47Z)
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。