論文の概要: Neural network algorithm and its application in reactive distillation
- arxiv url: http://arxiv.org/abs/2011.09969v1
- Date: Mon, 16 Nov 2020 02:18:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 23:30:45.125394
- Title: Neural network algorithm and its application in reactive distillation
- Title(参考訳): ニューラルネットワークアルゴリズムと反応性蒸留への応用
- Authors: Huihui Wang, Ruyang Mo
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.7692411550925673
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reactive distillation is a special distillation technology based on the
coupling of chemical reaction and distillation. It has the characteristics of
low energy consumption and high separation efficiency. However, because the
combination of reaction and separation produces highly nonlinear robust
behavior, the control and optimization of the reactive distillation process
cannot use conventional methods, but must rely on neural network algorithms.
This paper briefly describes the characteristics and research progress of
reactive distillation technology and neural network algorithms, and summarizes
the application of neural network algorithms in reactive distillation, aiming
to provide reference for the development and innovation of industry technology.
- Abstract(参考訳): 反応性蒸留(reactive distillation)は、化学反応と蒸留の結合に基づく特殊蒸留技術である。
低いエネルギー消費と高い分離効率の特性を持つ。
しかし, 反応と分離の組み合わせは極めて非線形な堅牢な挙動をもたらすため, 反応蒸留プロセスの制御と最適化は従来の手法では利用できないが, ニューラルネットワークアルゴリズムに頼らなければならない。
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徴と研究の進展を簡潔に述べるとともに, ニューラルネットワークアルゴリズムの反応蒸留への応用を概説する。
関連論文リスト
- Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。
複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。
変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
論文 参考訳(メタデータ) (2024-12-05T09:41:33Z) - Score identity Distillation: Exponentially Fast Distillation of Pretrained Diffusion Models for One-Step Generation [61.03530321578825]
Score Identity Distillation (SiD) は、事前学習した拡散モデルの生成能力を1ステップ生成器に蒸留する革新的なデータフリー手法である。
SiDは、蒸留中のFr'echet開始距離(FID)を指数的に高速に減少させるだけでなく、元の教師拡散モデルのFID性能に近づいたり、超えたりする。
論文 参考訳(メタデータ) (2024-04-05T12:30:19Z) - Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。
彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。
スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文 参考訳(メタデータ) (2022-10-06T13:04:45Z) - 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) - Reborn Mechanism: Rethinking the Negative Phase Information Flow in
Convolutional Neural Network [14.929863072047318]
本稿では、畳み込みニューラルネットワーク(CNN)のための新しい非線形活性化機構を提案する。
負の位相値を切り落とすReLUとは対照的に、リボーン機構は死んだ神経細胞を再構築する能力を楽しむ。
論文 参考訳(メタデータ) (2021-06-13T15:33:49Z) - Study on the simulation control of neural network algorithm in thermally
coupled distillation [7.313669465917949]
ニューラルネットワークアルゴリズムは高速学習の利点があり、非線形関数に任意にアプローチすることができる。
本稿では, 人工ニューラルネットワークの研究の進展と, 熱結合蒸留におけるニューラルネットワークの適用について概説する。
論文 参考訳(メタデータ) (2021-02-06T04:18:04Z) - Neural network algorithm and its application in temperature control of
distillation tower [0.0]
本稿では,ニューラルネットワークと蒸留塔温度制御の基礎概念と研究の進展について概説する。
蒸留塔制御におけるニューラルネットワークの適用を体系的に要約し、関連産業の発展への参照を提供することを目的とする。
論文 参考訳(メタデータ) (2021-01-03T08:33:05Z) - A review of neural network algorithms and their applications in
supercritical extraction [5.455337487096457]
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。
論文 参考訳(メタデータ) (2020-10-31T01:51:02Z) - Retro*: Learning Retrosynthetic Planning with Neural Guided A* Search [83.22850633478302]
反合成計画(retrosynthetic planning)は、ターゲット生成物の合成に繋がる一連の反応を特定する。
既存の手法では、高いばらつきを持つロールアウトによる高価なリターン推定が必要か、品質よりも探索速度を最適化する必要がある。
本稿では,高品質な合成経路を効率よく見つけるニューラルネットワークA*ライクなアルゴリズムRetro*を提案する。
論文 参考訳(メタデータ) (2020-06-29T05:53:33Z) - 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。