基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用机理知识和神经网络集成方法建立诺西肽发酵过程模型.该模型以机理模型为基础,利用神经网络集成方法修正机理模型与过程输出之间的偏差.神经网络集成采用Bagging技术进行重复取样用于个体神经网络的训练,个体网络采用最常用的BP网络,各子网络的权重利用偏最小二乘回归方法确定.将所建模型与机理模型进行比较,结果表明该模型具有更高的精度.
推荐文章
基于加权RBF神经网络的诺西肽发酵过程菌体浓度软测量
软测量
辅助变量选择
加权
RBF神经网络
菌体浓度
发酵
反复分批发酵法制备甘油过程中的影响因素
耐高渗酵母
甘油
反复分批发酵
基于SVM-IGA的补料分批发酵过程优化控制
支持向量机(SVM)
免疫遗传算法(IGA)
补料优化
状态预估
诺西肽发酵过程中的分阶段软测量建模
诺西肽发酵过程
软测量
辅助变量选择
分阶段建模
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于神经网络集成的诺西肽分批发酵过程混合建模
来源期刊 计量学报 学科 工学
关键词 计量学 神经网络集成 诺西肽发酵 混合模型 偏最小二乘回归
年,卷(期) 2010,(4) 所属期刊栏目
研究方向 页码范围 364-368
页数 分类号 TB99
字数 3952字 语种 中文
DOI 10.3969/j.issn.1000-1158.2010.04.17
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王福利 东北大学流程工业综合自动化教育部重点实验室 200 3025 30.0 44.0
5 牛大鹏 东北大学流程工业综合自动化教育部重点实验室 12 59 4.0 7.0
9 何大阔 东北大学信息科学与工程学院 61 1000 19.0 29.0
10 贾明兴 东北大学信息科学与工程学院 32 423 10.0 20.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (233)
参考文献  (11)
节点文献
引证文献  (3)
同被引文献  (9)
二级引证文献  (22)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(5)
  • 参考文献(0)
  • 二级参考文献(5)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(5)
  • 参考文献(1)
  • 二级参考文献(4)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(6)
  • 参考文献(2)
  • 二级参考文献(4)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(5)
  • 引证文献(1)
  • 二级引证文献(4)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(7)
  • 引证文献(0)
  • 二级引证文献(7)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
计量学
神经网络集成
诺西肽发酵
混合模型
偏最小二乘回归
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计量学报
月刊
1000-1158
11-1864/TB
大16开
北京1413信箱
2-798
1980
chi
出版文献量(篇)
3549
总下载数(次)
8
总被引数(次)
20173
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导