論文の概要: Study on the simulation control of neural network algorithm in thermally coupled distillation

• arxiv url: http://arxiv.org/abs/2102.03506v1
• Date: Sat, 6 Feb 2021 04:18:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-09 20:59:10.322621
• Title: Study on the simulation control of neural network algorithm in thermally coupled distillation
• Title（参考訳）: 熱結合蒸留におけるニューラルネットワークアルゴリズムのシミュレーション制御に関する研究
• Authors: ZhaoLan Zheng, Yu Qi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 7.313669465917949
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Thermally coupled distillation is a new energy-saving method, but the traditional thermally coupled distillation simulation calculation process is complicated, and the optimization method based on the traditional simulation process is difficult to obtain a good feasible solution. The neural network algorithm has the advantages of fast learning and can approach nonlinear functions arbitrarily. For the problems in complex process control systems, neural network control does not require cumbersome control structures or precise mathematical models. When training the network, only the input and output samples it needs are given, so that the dynamics of the system can be controlled. Performance is approaching. This method can effectively solve the mathematical model of the thermally coupled distillation process, and quickly obtain the solution of the optimized variables and the objective function. This article summarizes the research progress of artificial neural network and the optimization control of thermally coupled distillation and the application of neural network in thermally coupled distillation.
• Abstract（参考訳）: 熱結合蒸留は新しい省エネ法であるが、従来の熱結合蒸留シミュレーションの計算プロセスは複雑であり、従来のシミュレーションプロセスに基づく最適化法は、良好な解を得るのが困難である。 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を持ち、非線形関数に任意にアプローチすることができる。 複雑なプロセス制御系の問題に対して、ニューラルネットワーク制御は複雑な制御構造や正確な数学的モデルを必要としない。 ネットワークをトレーニングする際には、必要な入力と出力のサンプルのみが与えられるので、システムのダイナミクスを制御できる。 パフォーマンスが近づいています。 この方法は、熱結合蒸留プロセスの数学的モデルを効果的に解き、最適化変数と目的関数の解を迅速に得ることができる。 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の最適化制御, および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要約する。

関連論文リスト

• Optimizing Temperature Distributions for Training Neural Quantum States using Parallel Tempering [0.0]
  温度最適化は変分アルゴリズムの成功率を大幅に向上させることができることを示す。 我々はこれを、制限されたボルツマンマシンとフィードフォワードネットワークという2つの異なるニューラルネットワークを用いて実証する。
  論文  参考訳（メタデータ） (2024-10-30T13:48:35Z)
• Gradient-free online learning of subgrid-scale dynamics with neural emulators [5.283819482083864]
  機械学習に基づくサブグリッドパラメトリゼーションをオンラインでトレーニングするための汎用アルゴリズムを提案する。 我々は、元の解法の勾配を計算することなく、オンライン戦略の利点のほとんどを回復するパラメトリゼーションを訓練することができる。
  論文  参考訳（メタデータ） (2023-10-30T09:46:35Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Emulation Learning for Neuromimetic Systems [0.0]
  ニューラル量子化システムに関する最近の研究に基づいて、量子化運動の学習結果とチャネルドロップアウトに対するレジリエンスを報告する。 本稿では,経路を学習するだけでなく,チャネルドロップアウトに対するレジリエンスの利点を示す一般のディープQネットワーク(DQN)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-04T22:47:39Z)
• Globally Optimal Training of Neural Networks with Threshold Activation Functions [63.03759813952481]
  しきい値アクティベートを伴うディープニューラルネットワークの重み劣化正規化学習問題について検討した。 ネットワークの特定の層でデータセットを破砕できる場合に、簡易な凸最適化の定式化を導出する。
  論文  参考訳（メタデータ） (2023-03-06T18:59:13Z)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• An application of the splitting-up method for the computation of a neural network representation for the solution for the filtering equations [68.8204255655161]
  フィルタ方程式は、数値天気予報、金融、工学など、多くの現実の応用において中心的な役割を果たす。 フィルタリング方程式の解を近似する古典的なアプローチの1つは、分割法と呼ばれるPDEにインスパイアされた方法を使うことである。 我々はこの手法をニューラルネットワーク表現と組み合わせて、信号プロセスの非正規化条件分布の近似を生成する。
  論文  参考訳（メタデータ） (2022-01-10T11:01:36Z)
• 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)
• Large-scale Neural Solvers for Partial Differential Equations [48.7576911714538]
  偏微分方程式 (PDE) を解くことは、多くのプロセスがPDEの観点でモデル化できるため、科学の多くの分野において不可欠である。 最近の数値解法では、基礎となる方程式を手動で離散化するだけでなく、分散コンピューティングのための高度で調整されたコードも必要である。 偏微分方程式, 物理インフォームドニューラルネットワーク(PINN)に対する連続メッシュフリーニューラルネットワークの適用性について検討する。 本稿では,解析解に関するGatedPINNの精度と,スペクトル解法などの最先端数値解法について論じる。
  論文  参考訳（メタデータ） (2020-09-08T13:26:51Z)
• 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。