文献

J-GLOBAL ID：202002234749042513   整理番号：20A1073023

多変量軌道ベースアンサンブルジャストインタイム学習によるバッチプロセスのLSTMソフトセンサ開発【JST・京大機械翻訳】

LSTM Soft Sensor Development of Batch Processes With Multivariate Trajectory-Based Ensemble Just-in-Time Learning

著者 (4件)： Shen Feifan (School of Information Science and Engineering, Ningbo Institute of Technology, Zhejiang University, Ningbo, China) ,  Zheng Jiaqi (School of Mechanical Engineering and Automation, College of Science and Technology, Ningbo University, Ningbo, China) ,  Ye Lingjian (School of Information Science and Engineering, Ningbo Institute of Technology, Zhejiang University, Ningbo, China) ,  Ma Xiushui (School of Information Science and Engineering, Ningbo Institute of Technology, Zhejiang University, Ningbo, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 73855-73864  発行年： 2020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： バッチプロセスのための品質予測方式を実行するために,長い短期メモリ(LSTM)ニューラルネットワークは,プロセス動力学と非線形性を扱うための実行可能なツールである。しかし,グローバルなLSTMソフトセンサはバッチ毎の変動に直面する性能の低下を被っている。バッチ多様性問題を克服して,LSTMモデルの優位性を取り入れるために,多変量軌道ベースの集合juインタイム学習戦略を本論文で提案した。類似の空間的位置と傾向を共有する歴史的バッチ軌道を抽出するために,異なる軌道ベースの類似性測定を設計した。各選択軌道に対して,オンライン局所LSTMソフトセンシングモデルを構築し,各局所モデルに対するリアルタイム品質予測結果を得ることができた。次に,重みづけパラメータを交差検証により各モデルに対して決定した。異なる局所モデルからの品質予測結果を一緒にして,アンサンブル予測結果を最終的に理解できる。2つの事例研究を行い,流加反応器と流加ペニシリン発酵プロセスを含む提案方法論の有効性を証明した。Copyright 2020 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： 記憶装置 ,  *学習 ,  *バッチ処理 ,  ニューラルネットワーク ,  反応器 ,  ペニシリン発酵 ,  非線形性 ,  事例研究 ,  重みづけ ,  有効性 ,  アンサンブル予報
準シソーラス用語： ソフトセンサ ,  実時間 ,  オンライン ,  品質予測 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (7件)： 多変量 ,  軌道 ,  学習 ,  バッチプロセス ,  LSTM ,  ソフトセンサ ,  開発