論文の概要: Semi-supervised Learning for Data-driven Soft-sensing of Biological and Chemical Processes

• arxiv url: http://arxiv.org/abs/2107.13822v1
• Date: Thu, 29 Jul 2021 08:38:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-30 18:58:37.984383
• Title: Semi-supervised Learning for Data-driven Soft-sensing of Biological and Chemical Processes
• Title（参考訳）: 生物・化学プロセスのデータ駆動ソフトセンシングのための半教師付き学習
• Authors: Erik Esche, Torben Talis, Joris Weigert, Gerardo Brand-Rihm, Byungjun You, Christian Hoffmann, Jens-Uwe Repke
• Abstract要約: 連続的に動作する(バイオ)化学プロセスは、供給変動や市場の状況の変化といった外部の障害に悩まされることが多い。 半教師付き回帰は、頻繁な測定状態に対するソフトセンサーを構築するための機械学習からのビルディングブロックとメソッドである。 ウィリアムズ・オットー法(英語版)とバイオエタノール製造法(英語版)の2つのケーススタディを用いて、半教師付き回帰法を標準回帰法と比較し、その利点と(バイオ)化学産業におけるプロセス制御の適用範囲を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Continuously operated (bio-)chemical processes increasingly suffer from external disturbances, such as feed fluctuations or changes in market conditions. Product quality often hinges on control of rarely measured concentrations, which are expensive to measure. Semi-supervised regression is a possible building block and method from machine learning to construct soft-sensors for such infrequently measured states. Using two case studies, i.e., the Williams-Otto process and a bioethanol production process, semi-supervised regression is compared against standard regression to evaluate its merits and its possible scope of application for process control in the (bio-)chemical industry.
• Abstract（参考訳）: 連続運転(バイオ)化学プロセスは、供給変動や市場の状況の変化といった外部の混乱にますます悩まされる。 製品の品質は、まれに測定される濃度の制御に左右されることが多い。 半教師付き回帰は、頻繁な測定状態に対するソフトセンサーを構築するための機械学習からのビルディングブロックとメソッドである。 ウィリアムズ・オットー法とバイオエタノール製造法という2つのケーススタディを用いて、半教師付き回帰を標準回帰法と比較し、その利点と(バイオ)化学産業におけるプロセス制御の適用範囲を評価する。

関連論文リスト

• Hybrid Unsupervised Learning Strategy for Monitoring Industrial Batch Processes [0.0]
  本稿では,複雑な産業プロセスを監視するためのハイブリッド型教師なし学習戦略(HULS)を提案する。 HULSの概念の性能を評価するために,実験室のバッチに基づいて比較実験を行った。
  論文  参考訳（メタデータ） (2024-03-19T09:33:07Z)
• Optimizing the switching operation in monoclonal antibody production: Economic MPC and reinforcement learning [0.0]
  モノクローナル抗体(mAbs)は、医学において欠かせない存在であり、現在、生物医薬品開発の最前線にある。 工業的なmAb生産のプロセスのほとんどはバッチ処理に依存しており、結果として大幅なダウンタイムが発生する。 完全に継続的かつ統合された製造プロセスへの移行は、製品の生産量と品質を高める可能性を秘めている。
  論文  参考訳（メタデータ） (2023-08-07T22:12:48Z)
• Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
  自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。 本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
  論文  参考訳（メタデータ） (2023-04-28T10:27:38Z)
• Machine learning in bioprocess development: From promise to practice [58.720142291102135]
  機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。 本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
  論文  参考訳（メタデータ） (2022-10-04T13:48:59Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• MetaRF: Differentiable Random Forest for Reaction Yield Prediction with a Few Trails [58.47364143304643]
  本稿では,反応収率予測問題に焦点をあてる。 筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。 数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
  論文  参考訳（メタデータ） (2022-08-22T06:40:13Z)
• Soft Sensors and Process Control using AI and Dynamic Simulation [14.986031916712106]
  容易に測定可能な変数からリアルタイムで取得できないプロセス変数を推定するためのソフトセンサが提案されている。 本研究では, 植物の内部状態変数を動的シミュレーターを用いて推定し, 記録されていない状況でも予測できることを示した。
  論文  参考訳（メタデータ） (2022-08-08T19:14:50Z)
• Improving Molecular Representation Learning with Metric Learning-enhanced Optimal Transport [49.237577649802034]
  分子レグレッション問題に対する一般化能力を高めるために,MROTと呼ばれる新しい最適輸送ベースアルゴリズムを開発した。 MROTは最先端のモデルよりも優れており、新しい物質の発見を加速する有望な可能性を示している。
  論文  参考訳（メタデータ） (2022-02-13T04:56:18Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)
• Regularization-based Continual Learning for Anomaly Detection in Discrete Manufacturing [0.0]
  異常の早期検出により、オペレーターは害を防止できる。 生産機械や製品に欠陥があります データ駆動異常検出の現在のアプローチは、トレーニングされたプロセスの正確な結果を提供する。 継続的学習はこのような柔軟性を約束し、以前の学習した知識を新しいタスクに自動適応させることができる。
  論文  参考訳（メタデータ） (2021-01-02T20:06:00Z)
• Towards the Automation of a Chemical Sulphonation Process with Machine Learning [0.0]
  本稿では,化学吸音過程における機械学習手法の適用結果について述べる。 プロセスパラメータからのデータを用いてランダムフォレスト、ニューラルネットワーク、線形回帰などの異なるモデルのトレーニングを行った。 実験の結果,これらの製品の品質値を精度良く予測することが可能であり,時間短縮の可能性があることが判明した。
  論文  参考訳（メタデータ） (2020-09-25T10:56:41Z)

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。