文献

J-GLOBAL ID：202202234709911413   整理番号：22A0847886

強化学習による最適化雑音除去オートエンコーダに基づく分散ロバストプロセス監視【JST・京大機械翻訳】

Distributed Robust Process Monitoring Based on Optimized Denoising Autoencoder With Reinforcement Learning

著者 (2件)： Chen Shutian (Key Laboratory of Smart Manufacturing in Energy Chemical Process, Ministry of Education, East China University of Science and Technology, Shanghai, China) ,  Jiang Qingchao (Key Laboratory of Smart Manufacturing in Energy Chemical Process, Ministry of Education, East China University of Science and Technology, Shanghai, China)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.3503411.1-11  発行年： 2022年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  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： 複雑な大規模化学プロセスの大域的モニタリングは,変数間の複雑な相関のため,しばしば困難である。本論文では,マルチユニット,非線形プロセスの効率的でロバストな監視を達成するために,最適化雑音除去自動符号化器(DAE)ベースの分散監視法を提案した。最初に,プロセスを多重ユニットに分解して,次に,積層DAEを用いて各ユニットのロバスト特性を抽出し,各ユニット内の可変相関を表した。第2に,深い回帰ニューラルネットワークを,ユニット間の相関関係を表すために,ローカルユニットとその隣接ユニットの間で確立した。強化学習ベースニューラルアーキテクチャ探索法を提案し,退屈な手動調整プロセスを避け,高性能ニューラルネットワークを得た。最後に,数値シミュレーション例,Tennessee Tukey Eastmanベンチマークプロセス,および実験室規模蒸留プロセスを用いて,提案した方法の有効性を検証した。Copyright 2022 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 ,  手動制御 ,  ニューラルネットワーク ,  化学プロセス ,  多重化 ,  符号器 ,  有効性 ,  *ロバスト性 ,  *強化学習 ,  *雑音除去
準シソーラス用語： 数値シミュレーション ,  *プロセス監視 ,  探索法 ,  非線形プロセス ,  *自己符号化器 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 強化学習 ,  最適化 ,  雑音除去 ,  オートエンコーダ ,  ロバスト ,  プロセス監視