文献

J-GLOBAL ID：201902240582727970   整理番号：19A0517124

Chaosクジラ最適化アルゴリズムにより最適化した重合プロセスにおける変換速度のElmanニューラルネットワークソフトセンサモデル【JST・京大機械翻訳】

Elman Neural Network Soft-Sensor Model of Conversion Velocity in Polymerization Process Optimized by Chaos Whale Optimization Algorithm

著者 (2件)： Sun W. Z. (School of Electronic and Information Engineering, University of Science and Technology Liaoning, Anshan, China) ,  Wang J. S. (School of Electronic and Information Engineering, University of Science and Technology Liaoning, Anshan, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 13062-13076  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ポリ塩化ビニル重合の生産プロセスにおける塩化ビニルの変換率のリアルタイムモニタリングの要求と産業データの非線形性に従って,強い非線形性能を有するElmanニューラルネットワークを選択して,ソフトセンサモデルを構築した。しかし,Elmanニューラルネットワークの初期段階のために,層間の接続重みを訓練するために,訓練効果は接続重みによって保護するのが難しい。そこで,クジラ最適化アルゴリズム(WOA)を採用して,Elmanニューラルネットワークを最適化して,それを局所的最適に低下させた。同時に,探索エージェントの位置がWOAアルゴリズムの初期化プロセスにランダムに分布するという問題を解決し,カオスのアイデアを導入するために,カオスのアイデアに基づくカオスWOA(CWOA)を提案して,カオス的特徴を利用することによって,エージェント探索のすべての探索エージェントの多様性を改善した。本論文の最後において,入力ベクトル次元が大き過ぎることを考慮して,ニューラルネットワークトポロジーは非常に大きくて,それはトレーニングプロセスの複雑性に導いた。したがって,局所線形埋込み法を導入して,高次元入力ベクトルの次元を低減した。シミュレーション結果は,カオス的クジラアルゴリズムがPVC重合プロセスの経済的および技術的指標の予測精度を著しく改善することができることを示した。それは特に初期段階における予測効果において著しい改良を持って,重合反応器の生産プロセスのリアルタイム制御の必要条件を満たした。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  予測 ,  *ニューラルネットワーク ,  非線形性 ,  計算機シミュレーション ,  位相幾何学 ,  *重合 ,  *アルゴリズム ,  カオス ,  エージェント ,  ベクトル ,  必要条件 ,  線形性 ,  脂肪族塩素化合物 ,  ビニル化合物
準シソーラス用語： 予測精度 ,  複雑性 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

物質索引 (1件)： 塩化ビニル

タイトルに関連する用語 (7件)： クジラ ,  最適化アルゴリズム ,  最適化 ,  重合プロセス ,  Elmanニューラルネットワーク ,  ソフトセンサ ,  モデル