公共文化服务平台

共 3 条记录，以下是 1-3

全选清除导出

排序方式：

基于FCM与集成高斯过程回归的赖氨酸发酵软测量被引量：9: 2015年; 为解决赖氨酸发酵过程中菌体浓度难以在线检测的难题,提出一种基于模糊C均值聚类(FCM)与集成高斯过程回归(GPR)的软测量建模方法。针对典型生物发酵过程可分为延滞期、指数生长期、稳定期、死亡期4个反应周期的特点,采用模糊C均值聚类算法对样本集进行聚类分析以形成若干子样本集;对每个子样本集分别采用高斯过程回归训练时,为提高GPR模型的泛化能力,利用Adaboost算法提升GPR模型,分别在各子集建立集成GPR软测量子模型;采用欧氏距离计算新样本点对应于每一子模型的隶属度;加权求和获得最终的软测量模型的预测输出。基于氨基酸类典型菌种L-赖氨酸反应过程菌体浓度参数预测的试验研究表明:与全局单一GPR模型、集成GPR模型和基于FCM与多GPR模型相比,所建立的基于FCM与集成GPR软测量模型拟合精度高,泛化能力强,较好地满足了赖氨酸发酵过程的控制要求。; 嵇小辅张翔; 关键词：ADABOOST算法 L-赖氨酸软测量

基于改进GPR模型的发酵过程软测量建模: 2014年; 针对生物反应过程中许多关键参量难以在线检测的难题,提出了一种改进的高斯过程回归建模方法。由于传统高斯过程的均值函数不易确定,从而简单预置为零,导致模型对数据的解释性不够完全的缺点。改进的方法是利用一种组合基函数来确定高斯过程回归模型的一个非零均值函数,基函数的选取是通过高斯过程建立多项式回归噪声模型的方式推导而出,最后进行软测量模型的预测输出。基于氨基酸类典型菌种L-赖氨酸反应过程关键生物量参数预测的试验研究表明:与传统的高斯过程回归模型和支持向量机相比,改进的高斯过程回归模型具有更好的预测精度和泛化能力,能很好的跟踪预测值的变化趋势。; 嵇小辅张翔朱剑祥董秋爽; 关键词：基函数软测量 L-赖氨酸

基于RBF神经网络软测量模型在超声氧浓度计的应用被引量：1: 2014年; 针对氧浓度信号存在非线性、随机性和易受干扰,难以建立准确测量模型的问题,提出一种RBF神经网络软测量技术应用于超声氧浓度计的方法,该装置测量氧气的温度和超声波在定长管道中氧气传播的时间作为RBF神经网络的输入量进行拟合,采用梯度下降法确定RBF基函数的中心及输出层权值,氧气浓度值作为网络输出量。试验结果表明:采用RBF神经网络曲面拟合所测得氧浓度测量值与顺磁式氧浓度分析仪测量结果绝对误差在1.5%以内,具有一定的工程实用性。; 郁永斌和卫星张翔汤方剑; 关键词：软测量

全选清除导出

共1页<1>

张翔