文献

J-GLOBAL ID：202102226618773443   整理番号：21A0500513

量子化カーネル最小平均二乗アルゴリズムに基づく連続撹拌反応器モデル同定【JST・京大機械翻訳】

Model identification of continuous stirred tank reactor based on QKLMS algorithm

著者 (2件)： Li Jun (蘭州交通大学 自動化与電气工程学院,甘粛 蘭州 730070;甘粛省物流及運輸装備信息化工程技術研究中心,甘粛 蘭州 730070;甘粛省物流与運輸装備行業技術中心,甘粛 蘭州 730070) ,  Li Xiangyue (蘭州交通大学 自動化与電气工程学院,甘粛 蘭州 730070)
資料名： Ceshi Kexue Yu Yiqi  (Ceshi Kexue Yu Yiqi)
巻： 11  号： 4  ページ： 382-387  発行年： 2020年 
JST資料番号： C2843A  ISSN： 1674-8042  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 連続撹はん反応槽(Continuousstirredtankreactor,CSTR)は典型的な化学プロセスの1つであり、本文は強非線形特性である。量子化カーネル最小平均二乗(Quantizedkernelleastmeansquare,QKLMS)アルゴリズムを提案した。このアルゴリズムでは,スパース化基準の代わりに単純なオンラインベクトル量子化技術を用い,入力空間を圧縮することができ,カーネル学習アルゴリズムにおける動径基底関数(RBF)構造の成長を抑制する。このアルゴリズムの有効性を検証するため,CSTRプロセスのモデル同定に適用し,冷却剤流量と生成物濃度間の非線形マッピング関係を構築した。また、提案アルゴリズムと最小二乗サポートベクトルマシン(Leastsquaresupportvectormachine,LS-SVM)、エコー状態ネットワーク(Echostatenetwork)。ESN)およびカーネル限界学習機械(Extremelearningmachinewithkernels,KELM)などのアルゴリズムを比較した。実験結果は,同じ条件の下で,提案したアルゴリズムがより高い同定精度とより良いオンライン学習能力を有することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *量子化 ,  撹拌 ,  流量 ,  学習機械 ,  反応器 ,  化学プロセス ,  撹拌槽反応器 ,  冷却剤 ,  連続撹拌槽反応器 ,  ベクトル量子化 ,  学習アルゴリズム ,  動径基底関数
準シソーラス用語： オンライン学習 ,  オンライン , 【Automatic Indexing@JST】

著者キーワード (4件)： kernel learning algorithm ,  quantized kernel least mean square (QKLMS) ,  continuous stirred tank reactor (CSTR) ,  system identification

分類 (5件)： 脳・神経系モデル  (EL02050C) ,  通信網  (ND07030A) ,  反応装置  (XE01030X) ,  その他の計算機利用技術  (JE14000C) ,  数理物理学  (BA03000W)

タイトルに関連する用語 (6件)： 量子化 ,  カーネル ,  最小平均二乗アルゴリズム ,  撹拌 ,  反応器 ,  モデル同定