論文の概要: Application of Neural Network Algorithm in Propylene Distillation
- arxiv url: http://arxiv.org/abs/2104.01774v1
- Date: Mon, 5 Apr 2021 05:06:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-06 22:31:25.197552
- Title: Application of Neural Network Algorithm in Propylene Distillation
- Title（参考訳）: ニューラルネットワークアルゴリズムのプロピレン蒸留への応用
- Authors: Jinwei Lu, Ningrui Zhao
- Abstract要約: 本稿では,ニューラルネットワークモデルとそのプロピレン蒸留塔への応用について紹介する。
塔の上部と下部における生成物の濃度と過程のパラメータの間の機能的関係は極めて複雑である。
エチレン製造企業におけるプロピレン収量の増加には, 正確な測定が重要な役割を果たしている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial neural network modeling does not need to consider the mechanism.
It can map the implicit relationship between input and output and predict the
performance of the system well. At the same time, it has the advantages of
self-learning ability and high fault tolerance. The gas-liquid two phases in
the rectification tower conduct interphase heat and mass transfer through
countercurrent contact. The functional relationship between the product
concentration at the top and bottom of the tower and the process parameters is
extremely complex. The functional relationship can be accurately controlled by
artificial neural network algorithms. The key components of the propylene
distillation tower are the propane concentration at the top of the tower and
the propylene concentration at the bottom of the tower. Accurate measurement of
them plays a key role in increasing propylene yield in ethylene production
enterprises. This article mainly introduces the neural network model and its
application in the propylene distillation tower.
- Abstract（参考訳）: 人工ニューラルネットワークモデリングはこのメカニズムを考慮する必要はない。
入力と出力の間の暗黙的な関係をマッピングし、システムのパフォーマンスをうまく予測できます。
同時に、自己学習能力と高いフォールトトレランスというメリットもある。
整流塔内の気液二相は対流接触を介して相間熱と物質移動を行う。
塔の上部と下部における生成物の濃度と過程のパラメータの間の機能的関係は極めて複雑である。
関数関係は、人工ニューラルネットワークアルゴリズムによって正確に制御できる。
プロピレン蒸留塔の主要な構成要素は、塔の上部のプロパン濃度と塔の下部のプロピレン濃度である。
正確な測定は、エチレン製造企業におけるプロピレン収量の増加に重要な役割を果たしている。
本稿では主にニューラルネットワークモデルとそのプロピレン蒸留塔への応用を紹介する。
関連論文リスト
- Fluctuation based interpretable analysis scheme for quantum many-body
snapshots [0.0]
物質の微視的理解と分類は、強相関量子物理学の中心にある。
ここでは、混乱学習と相関畳み込みニューラルネットワークを組み合わせることで、完全に解釈可能な位相検出を行う。
我々の研究は、解釈可能な量子画像処理における新しい方向を、長距離の順序に相応しいものに開放する。
論文 参考訳（メタデータ） (2023-04-12T17:59:59Z) - Leveraging Angular Distributions for Improved Knowledge Distillation [4.751886527142779]
コンピュータビジョンアプリケーションでは、より高いキャパシティモデルによって学習される機能アクティベーションには、より豊富な知識が含まれており、背景に焦点を絞らずに完全なオブジェクトを強調している。
本稿では, 角縁型蒸留(AMD)損失と呼ばれる新しい蒸留損失関数を提案する。
提案手法は, 細粒度特徴, 増量, 蒸留法など, その他の学習手法との整合性に優れていることを示す。
論文 参考訳（メタデータ） (2023-02-27T20:34:30Z) - Dilute neutron star matter from neural-network quantum states [58.720142291102135]
低密度中性子物質はクーパー対の形成と超流動の開始によって特徴づけられる。
我々は、モンテカルロ変分法と再構成技術を組み合わせた隠れ核量子ネットワーク量子状態の表現性に乗じて、この密度構造をモデル化する。
論文 参考訳（メタデータ） (2022-12-08T17:55:25Z) - Directed Acyclic Graph Factorization Machines for CTR Prediction via
Knowledge Distillation [65.62538699160085]
本稿では,既存の複雑な相互作用モデルから,知識蒸留によるCTR予測のための高次特徴相互作用を学習するための非巡回グラフファクトリゼーションマシン(KD-DAGFM)を提案する。
KD-DAGFMは、オンラインとオフラインの両方の実験において、最先端のFLOPの21.5%未満で最高の性能を達成する。
論文 参考訳（メタデータ） (2022-11-21T03:09:42Z) - Transformers with Learnable Activation Functions [63.98696070245065]
我々は、Rational Activation Function (RAF) を用いて、入力データに基づいてトレーニング中の最適なアクティベーション関数を学習する。
RAFは、学習されたアクティベーション関数に従って事前学習されたモデルを分析し、解釈するための新しい研究方向を開く。
論文 参考訳（メタデータ） (2022-08-30T09:47:31Z) - Gate-based spin readout of hole quantum dots with site-dependent
$g-$factors [101.23523361398418]
ゲート型反射率計を用いたスピンリードアウトによりシリコン中の二重量子ドットを実験的に検討した。
磁気分光法により生じる反射位相信号の特徴は,2点のサイト依存の$g-$factorに関する情報を伝達する。
論文 参考訳（メタデータ） (2022-06-27T09:07:20Z) - Even your Teacher Needs Guidance: Ground-Truth Targets Dampen
Regularization Imposed by Self-Distillation [0.0]
ネットワークアーキテクチャが同一である自己蒸留は、一般化精度を向上させるために観測されている。
我々は, 逐次ステップがモデル出力と接地目標の両方を組み込む, カーネル回帰設定における自己蒸留の反復的変種を考える。
自己蒸留により得られるそのような関数は、初期フィットの関数として直接計算でき、無限蒸留ステップは増幅正規化により元のものと同じ最適化問題をもたらす。
論文 参考訳（メタデータ） (2021-02-25T18:56:09Z) - 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) - Weight Distillation: Transferring the Knowledge in Neural Network
Parameters [48.32204633079697]
本稿では,大規模ネットワークパラメータの知識をパラメータ生成器を通じて伝達する重み蒸留法を提案する。
WMT16 En-Ro, NIST12 Zh-En, WMT14 En-De 機械翻訳タスクの実験は、重量蒸留が大きなネットワークよりも1.882.94倍高速で競争性能の小さいネットワークを訓練できることを示している。
論文 参考訳（メタデータ） (2020-09-19T03:23:26Z) - Phases of two-dimensional spinless lattice fermions with first-quantized
deep neural-network quantum states [3.427639528860287]
格子上の強結合フェルミオン系を解析するために, 第一量子化ディープニューラルネットワーク技術を開発した。
我々は、畳み込み残差ブロックを持つディープ残差ネットワークを利用するSlater-Jastrowインスパイアされたアンサッツを使用する。
ニューラルネットワークアンサッツの柔軟性は、小さなシステムにおける正確な対角化結果と比較して高い精度をもたらす。
論文 参考訳（メタデータ） (2020-07-31T23:43:52Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z)
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。