Andere Kunden interessierten sich auch für
![Soft-Sensor-Modellierung und prädiktive Steuerung für den Fermentationsprozess]( "Soft-Sensor-Modellierung und prädiktive Steuerung für den Fermentationsprozess")
Soft-Sensor-Modellierung und prädiktive Steuerung für den Fermentationsprozess40,90 €![DATA DRIVEN HEARTS - KI und ML in der KARDIOVASZULÄREN PFLEGE]( "DATA DRIVEN HEARTS - KI und ML in der KARDIOVASZULÄREN PFLEGE")
DATA DRIVEN HEARTS - KI und ML in der KARDIOVASZULÄREN PFLEGE79,90 €![Modellazione soft-sensor e controllo predittivo per il processo di fermentazione]( "Modellazione soft-sensor e controllo predittivo per il processo di fermentazione")
Modellazione soft-sensor e controllo predittivo per il processo di fermentazione27,99 €![Soft Sensor Modeling Using Machine Learning for Fermentation Process]( "Soft Sensor Modeling Using Machine Learning for Fermentation Process")
Soft Sensor Modeling Using Machine Learning for Fermentation Process24,99 €![Time-Resolved Soft X-Ray Absorption Spectroscopy of Molecules in the Gas and Liquid Phases]( "Time-Resolved Soft X-Ray Absorption Spectroscopy of Molecules in the Gas and Liquid Phases")
Time-Resolved Soft X-Ray Absorption Spectroscopy of Molecules in the Gas and Liquid Phases149,79 €![Frontiers and Progress of Current Soft Matter Research]( "Frontiers and Progress of Current Soft Matter Research")
Frontiers and Progress of Current Soft Matter Research63,99 €![Micromechanics and Structure of Soft and Biological Materials]( "Micromechanics and Structure of Soft and Biological Materials")
Micromechanics and Structure of Soft and Biological Materials38,99 €
Das Ziel des vorliegenden Buches war es, weiche Sensorlösungen für die Upstream-Bioprozessierung zu entwickeln und ihre Nützlichkeit bei der Verbesserung der Robustheit und der Erhöhung der Batch-to-Batch-Reproduzierbarkeit in Bioprozessen zu demonstrieren. Diese Buchstudie umfasst die folgenden Ziele:- Vorschlagen und Vergleichen der Leistung des sukzessiven Projektionsalgorithmus mit dem Analysealgorithmus für graue Beziehungen in Bezug auf die Auswahl von Hilfsvariablen;- Vorschlag und Vergleich der Leistung des SPA-GWO-SVR-Softsensormodells mit dem SPA-SVR-Modell in Bezug auf Genauigkeit, Effektivfehler, Koeffizientenbestimmung R2;- Vorschlag einer exponentiell abnehmenden Trägheitsgewichtungsstrategie mit PSO-Algorithmus, der den Suchraum ausnutzt und somit durch Reduzierung großer Schrittlängen das PSO in Richtung Konvergenz zu globalen Optima führt;- Vorschlag des Fuzzy-C-Means-Clustering-Algorithmus zum Clustern der Beispieldaten und Vergleichen der Leistung des IPSO-LSSVM-Softsensormodells mit dem Standard-PSO-LSSVM-Modell auf ausgewählten Benchmark-Regressionsdatensätzen in Bezug auf Genauigkeit, mittlerer quadratischer Fehler, quadratischer Mittelwert Fehler und mittlerer absoluter Fehler.