A Data-efficient Transfer Learning Approach for New Reaction System Predictive Modelling

杠杆(统计) 学习迁移 计算机科学 过程(计算) 人工智能 机器学习 知识转移 知识管理 操作系统
作者
Sam Kay,Dongda Zhang
出处
期刊:Royal Society of Chemistry eBooks [The Royal Society of Chemistry]
卷期号:: 229-246
标识
DOI:10.1039/bk9781837670178-00229
摘要

Transfer learning provides an effective and practical solution to modelling novel systems when a lack of theoretical understanding and data availability hinders progress. In this chapter, transfer learning aims to leverage previously discovered relations and prior understanding of complex biochemical systems to support the rapid construction of accurate predictive models for different but related biochemical systems. This chapter explores the application and advantages of transfer learning for a real experimental case study to demonstrate the potential of transfer learning within the biochemical industry. To maximise the use of available process knowledge, transfer learning and hybrid modelling are combined for the first time. Building on the hybrid modelling methodology introduced in Chapter 3, a step-by-step explanation is provided for transfer-hybrid model construction, focusing on the selection and implementation of the chosen transfer learning approach and the decision about which aspects of the model to transfer or update for the new system to avoid inheriting domain-specific biases. The study concludes by comparing the accuracy and uncertainty of the transfer-hybrid model with a traditional-hybrid model. Although the results are case-specific, they provide valuable evidence that transfer learning can accelerate biochemical process model construction and help bolster innovation when correctly employed.
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
春树完成签到,获得积分20
2秒前
瘦瘦瘦完成签到 ,获得积分10
2秒前
2秒前
logan发布了新的文献求助10
2秒前
小二郎应助毛毛sj采纳,获得10
3秒前
行走的sci完成签到,获得积分10
4秒前
5秒前
hehehaha完成签到,获得积分10
5秒前
6秒前
6秒前
Owen应助xxxx采纳,获得10
6秒前
6秒前
青鸟飞鱼完成签到,获得积分10
7秒前
沉默傲芙发布了新的文献求助10
7秒前
niy6tyg发布了新的文献求助10
7秒前
8秒前
Hello应助单纯灭龙采纳,获得10
9秒前
科研通AI2S应助施耐德采纳,获得10
9秒前
零零tube完成签到,获得积分10
10秒前
10秒前
10秒前
11秒前
小北笙er发布了新的文献求助10
11秒前
wssamuel发布了新的文献求助10
11秒前
12秒前
xiaoran发布了新的文献求助10
12秒前
xiaotaiyang完成签到,获得积分10
12秒前
13秒前
bin发布了新的文献求助10
13秒前
情怀应助小北笙er采纳,获得10
15秒前
17秒前
毛毛sj发布了新的文献求助10
17秒前
虚幻的青槐完成签到,获得积分10
17秒前
852应助听话的白易采纳,获得10
18秒前
彬彬哥发布了新的文献求助30
19秒前
酷波er应助昏睡的洋葱采纳,获得10
19秒前
科目三应助鹤轸采纳,获得10
20秒前
21秒前
科研通AI2S应助小奶球采纳,获得10
21秒前
wf发布了新的文献求助10
22秒前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Becoming: An Introduction to Jung's Concept of Individuation 600
Evolution 3rd edition 500
Die Gottesanbeterin: Mantis religiosa: 656 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 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 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3170956
求助须知:如何正确求助?哪些是违规求助? 2821897
关于积分的说明 7936939
捐赠科研通 2482321
什么是DOI,文献DOI怎么找? 1322472
科研通“疑难数据库(出版商)”最低求助积分说明 633639
版权声明 602627