清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Bayesian optimization of multiscale kernel principal component analysis and its application to model Gas-to-liquid (GTL) process data

核主成分分析 核(代数) 主成分分析 人工智能 模式识别(心理学) 计算机科学 过程(计算) 支持向量机 贝叶斯概率 核密度估计 特征向量 核方法 非线性系统 数据挖掘 机器学习 数学 统计 估计员 物理 组合数学 操作系统 量子力学
作者
Radhia Fezai,Byanne Malluhi,Nour Basha,Gasim Ibrahim,Hanif A. Choudhury,Mohamed S. Challiwala,Hazem Nounou,Nimir O. Elbashir,Mohamed Nounou
出处
期刊:Energy [Elsevier]
卷期号:284: 129221-129221
标识
DOI:10.1016/j.energy.2023.129221
摘要

Kernel methods map the data from original space into a higher-dimensional space in which linear methods are applied. In many applications, the inverse mapping is also important, and the pre-image of a feature vector must be found in the original space. Kernel principal component analysis (KPCA) based kernel density estimation (KDE) has been developed to solve this problem. However, the performance of the KPCA technique greatly depends on the choice of some parameters which can lead to poor modeling performance when these parameters are not well identified. Thus, fully Bayesian optimization KPCA (BOKPCA) is proposed to enhance the performance of the KPCA model. BOKPCA method aims to automatically select the best parameters of the KPCA model. Generally, kernel methods struggle to handle nonlinear data contaminated with high levels of noise. This is because the noise affects every principal component, making it challenging to mitigate its influence during the reconstruction step. Consequently, to further enhance the ability of KPCA and BOKPCA models, we propose to integrate multi-scale filtering with these two models. The efficiency of the proposed methods are evaluated using a simulated nonlinear process and real data generated from a bench-scale Fischer–Tropsch (FT) process.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
muriel完成签到,获得积分10
45秒前
爆米花应助科研通管家采纳,获得10
49秒前
死生长叹完成签到 ,获得积分10
1分钟前
赘婿应助Quinta采纳,获得10
3分钟前
3分钟前
Quinta发布了新的文献求助10
3分钟前
宇文非笑完成签到 ,获得积分10
3分钟前
矢思然完成签到,获得积分10
5分钟前
KSung完成签到 ,获得积分10
5分钟前
imi完成签到 ,获得积分10
8分钟前
甄开心完成签到,获得积分10
8分钟前
英俊的铭应助甄开心采纳,获得10
8分钟前
慕青应助甄开心采纳,获得10
9分钟前
棉花糖猫弦完成签到 ,获得积分10
10分钟前
mark33442完成签到,获得积分10
12分钟前
13分钟前
吴彦祖发布了新的文献求助10
13分钟前
方白秋完成签到,获得积分10
13分钟前
小王完成签到,获得积分10
14分钟前
汉堡包应助科研通管家采纳,获得30
16分钟前
16分钟前
吴彦祖发布了新的文献求助10
16分钟前
紫熊发布了新的文献求助30
17分钟前
17分钟前
九五式自动步枪完成签到 ,获得积分10
17分钟前
18分钟前
qqw发布了新的文献求助10
18分钟前
紫熊完成签到,获得积分10
18分钟前
19分钟前
Ari发布了新的文献求助10
19分钟前
20分钟前
吴彦祖发布了新的文献求助10
20分钟前
ala完成签到,获得积分10
20分钟前
21分钟前
吴彦祖发布了新的文献求助10
21分钟前
22分钟前
吴彦祖发布了新的文献求助10
22分钟前
22分钟前
皮颤发布了新的文献求助20
22分钟前
23分钟前
高分求助中
Contemporary Issues in Evaluating Treatment Outcomes in Neurodevelopmental Disorders 1000
rhetoric, logic and argumentation: a guide to student writers 1000
QMS18Ed2 | process management. 2nd ed 1000
One Man Talking: Selected Essays of Shao Xunmei, 1929–1939 1000
A Chronicle of Small Beer: The Memoirs of Nan Green 1000
From Rural China to the Ivy League: Reminiscences of Transformations in Modern Chinese History 900
Eric Dunning and the Sociology of Sport 850
热门求助领域 (近24小时)
化学 医学 材料科学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 免疫学 细胞生物学 电极
热门帖子
关注 科研通微信公众号,转发送积分 2915906
求助须知:如何正确求助?哪些是违规求助? 2555741
关于积分的说明 6912605
捐赠科研通 2216428
什么是DOI,文献DOI怎么找? 1178101
版权声明 588381
科研通“疑难数据库(出版商)”最低求助积分说明 576594