論文の概要: IUP: An Intelligent Utility Prediction Scheme for Solid-State
Fermentation in 5G IoT
- arxiv url: http://arxiv.org/abs/2103.15073v1
- Date: Sun, 28 Mar 2021 07:36:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-31 11:17:40.166544
- Title: IUP: An Intelligent Utility Prediction Scheme for Solid-State
Fermentation in 5G IoT
- Title（参考訳）: IUP: 5G IoTにおける固体発酵のためのインテリジェントなユーティリティ予測スキーム
- Authors: Min Wang, Shanchen Pang, Tong Ding, Sibo Qiao, Xue Zhai, Shuo Wang,
Neal N. Xiong, Zhengwen Huang
- Abstract要約: We propose a Intelligent Utility Prediction scheme for SOILD-STATE Fermentation (SSF) in 5G Industrial Internet of Things (IoT)。
この IUP スキームは,5G 産業用 IoT の環境認識と知的学習アルゴリズムに基づいている。
また,GAN(Generative Adrial Networks)とFCNN(Fullly Connected Neural Networks)に基づくSSFの実用性予測モデルの設計を行った。
- 参考スコア（独自算出の注目度）: 5.488627024876978
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: At present, SOILD-STATE Fermentation (SSF) is mainly controlled by artificial
experience, and the product quality and yield are not stable. Accurately
predicting the quality and yield of SSF is of great significance for improving
human food security and supply. In this paper, we propose an Intelligent
Utility Prediction (IUP) scheme for SSF in 5G Industrial Internet of Things
(IoT), including parameter collection and utility prediction of SSF process.
This IUP scheme is based on the environmental perception and intelligent
learning algorithms of the 5G Industrial IoT. We build a workflow model based
on rewritable petri net to verify the correctness of the system model function
and process. In addition, we design a utility prediction model for SSF based on
the Generative Adversarial Networks (GAN) and Fully Connected Neural Network
(FCNN). We design a GAN with constraint of mean square error (MSE-GAN) to solve
the problem of few-shot learning of SSF, and then combine with the FCNN to
realize the utility prediction (usually use the alcohol) of SSF. Based on the
production of liquor in laboratory, the experiments show that the proposed
method is more accurate than the other prediction methods in the utility
prediction of SSF, and provide the basis for the numerical analysis of the
proportion of preconfigured raw materials and the appropriate setting of cellar
temperature.
- Abstract（参考訳）: 現在,SOILD-STATE発酵(SSF)は主に人工的な経験によって制御されており,生産品質と収量は安定していない。
SSFの品質と収量を正確に予測することは、食品の安全性と供給を改善する上で非常に重要である。
本稿では,5G Industrial Internet of Things(IoT)におけるSSFのためのインテリジェントユーティリティ予測(IUP)手法を提案する。
この IUP スキームは,5G 産業用 IoT の環境認識と知的学習アルゴリズムに基づいている。
rewritable petri netに基づくワークフローモデルを構築し,システムモデル機能とプロセスの正確性を検証する。
さらに,GAN(Generative Adversarial Networks)とFCNN(Fully Connected Neural Network)に基づくSSFの実用予測モデルを設計する。
平均二乗誤差(MSE-GAN)の制約付きGANを設計し、SSFの少数ショット学習の問題を解決するとともに、FCNNと組み合わせてSSFの効用予測(通常アルコール)を実現する。
実験室での酒類製造から,SSFの実用性予測における他の予測手法よりも精度が高く,予め設定した原料の割合とセル温度の適切な設定に関する数値解析の基礎を提供する。
関連論文リスト
- Wasserstein Distributionally Robust Shallow Convex Neural Networks [0.0]
We propose Wasserstein distributionally robust shallow convex Neural Network (WaDiRo-SCNNs)
WaDiRo-SCNNは、不正で破損したデータセットを対象とする信頼性の高い非線形予測を提供する。
合成実験と実世界の電力システムアプリケーションにおいて,本モデルの性能を数値的に示す。
論文 参考訳（メタデータ） (2024-07-23T19:01:53Z) - Power grid operational risk assessment using graph neural network
surrogates [5.202524136984542]
電力グリッド運用決定アルゴリズムのプロキシとしてグラフニューラルネットワーク(GNN)の有用性について検討する。
GNNはQoIの高速かつ正確な予測を提供することができる。
GNNベースの信頼性とリスクアセスメントの優れた精度は、GNNサロゲートがリアルタイムおよび数時間前に適用できる可能性を示唆している。
論文 参考訳（メタデータ） (2023-11-21T03:02:30Z) - Enhancing Energy Efficiency and Reliability in Autonomous Systems
Estimation using Neuromorphic Approach [0.0]
本研究ではスパイク符号化理論とスパイクニューラルネットワーク(SNN)に基づく推定フレームワークの導入に焦点をあてる。
本稿では,SNNに基づくKalmanフィルタ(KF)を提案する。
改良型スライディング・イノベーション・フィルタ(MSIF)に基づいて,SNN-MSIFと呼ばれるロバストな戦略を提案する。
論文 参考訳（メタデータ） (2023-07-16T06:47:54Z) - Federated Conformal Predictors for Distributed Uncertainty
Quantification [83.50609351513886]
コンフォーマル予測は、機械学習において厳密な不確実性定量化を提供するための一般的なパラダイムとして現れつつある。
本稿では,共形予測を連邦学習環境に拡張する。
本稿では、FL設定に適した部分交換可能性の弱い概念を提案し、それをフェデレート・コンフォーマル予測フレームワークの開発に利用する。
論文 参考訳（メタデータ） (2023-05-27T19:57:27Z) - Quantifying Uncertainty In Traffic State Estimation Using Generative
Adversarial Networks [4.737519767218666]
本稿では, 生成逆数ネットワークに基づく物理インフォームドディープラーニング(PIDL)を用いた交通状態推定(TSE)の不確かさの定量化を目的とする。
2つの物理モデル、Lighthill-Whitham-Richards (LWR) とAw-Rascle-Zhang (ARZ) がPhysGANの物理成分として比較される。
その結果,ARZベースのPhysGANはLWRベースのPhysGANよりも優れた性能を示した。
論文 参考訳（メタデータ） (2022-06-19T08:10:15Z) - Uncertainty-aware Remaining Useful Life predictor [57.74855412811814]
有効寿命 (Remaining Useful Life, RUL) とは、特定の産業資産の運用期間を推定する問題である。
本研究では,Deep Gaussian Processes (DGPs) を,前述の制限に対する解決策と捉える。
アルゴリズムの性能はNASAの航空機エンジン用N-CMAPSSデータセットで評価される。
論文 参考訳（メタデータ） (2021-04-08T08:50:44Z) - Learning to Solve the AC-OPF using Sensitivity-Informed Deep Neural
Networks [52.32646357164739]
最適な電力フロー(ACOPF)のソリューションを解決するために、ディープニューラルネットワーク(DNN)を提案します。
提案されたSIDNNは、幅広いOPFスキームと互換性がある。
他のLearning-to-OPFスキームとシームレスに統合できる。
論文 参考訳（メタデータ） (2021-03-27T00:45:23Z) - Probabilistic electric load forecasting through Bayesian Mixture Density
Networks [70.50488907591463]
確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。
ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。
後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
論文 参考訳（メタデータ） (2020-12-23T16:21:34Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z) - Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。
上記のプロパティをすべて享受する既存のメソッドはありません。
本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
論文 参考訳（メタデータ） (2020-02-25T15:12:15Z)
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。