文献

J-GLOBAL ID：202202211770537602   整理番号：22A0434364

化学工学における動的システムのための代理としてのニューラルネットワークのためのアーキテクチャ【JST・京大機械翻訳】

Architectures for neural networks as surrogates for dynamic systems in chemical engineering

著者 (5件)： Esche Erik (Technische Universitaet Berlin, Sekr. KWT 9, Process Dynamics and Operations Group, Str. des 17. Juni 135, D-10623 Berlin, Germany) ,  Weigert Joris (Technische Universitaet Berlin, Sekr. KWT 9, Process Dynamics and Operations Group, Str. des 17. Juni 135, D-10623 Berlin, Germany) ,  Brand Rihm Gerardo (Technische Universitaet Berlin, Sekr. KWT 9, Process Dynamics and Operations Group, Str. des 17. Juni 135, D-10623 Berlin, Germany) ,  Gobel Jan (Technische Universitaet Berlin, Sekr. KWT 9, Process Dynamics and Operations Group, Str. des 17. Juni 135, D-10623 Berlin, Germany) ,  Repke Jens-Uwe (Technische Universitaet Berlin, Sekr. KWT 9, Process Dynamics and Operations Group, Str. des 17. Juni 135, D-10623 Berlin, Germany)
資料名： Chemical Engineering Research and Design  (Chemical Engineering Research and Design)
巻： 177  ページ： 184-199  発行年： 2022年 
JST資料番号： E0282A  ISSN： 0263-8762  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 化学工学における動的システムのためのサロゲートモデルは,ますます関心が持たれている。ニューラルネットワークは既に研究に適用されてきたが,ニューラルネットワークアーキテクチャのどのタイプが実際に実用システムに必要であるかは不明のままである。ここでの焦点は,ヨルダン,Elman,およびLSTM層の再帰ニューラルネットワークにある。これらを,訓練基礎として,バッチ軌跡,連続プロセスの適切な励起のデータ,および大きな化学プラントの典型的な運転軌跡のような,異なるタイプのデータセットに対して調査した。厳密な調査を確実にするために,BayesとBandit最適化によるハイパーパラメータチューニングを含めた。最初に,バッチ蒸留システム用のLSTM層を用いた動的代替モデルを提示し,停止までの始動から有効である。評価は,最先端の状態と比較して,データ準備と客観的/損失機能の調整のための更なる必要性を示した。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  化学プラント ,  *化学工学 ,  *動的系 ,  *ニューラルネットワーク ,  同調 ,  ヨルダン・ハシェミット王国 ,  *計算機アーキテクチャ
準シソーラス用語： 回分蒸留 ,  サロゲート ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (4件)： リカレントニューラルネットワーク ,  LSTM ,  動的システム ,  代理モデル

分類 (1件)： 化学工学一般  (XA01000E)

タイトルに関連する用語 (4件)： 化学工学 ,  動的システム ,  ニューラルネットワーク ,  アーキテクチャ