已入深夜,您辛苦了!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,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Deep Learning of Complex Batch Process Data and Its Application on Quality Prediction

计算机科学 人工智能 编码器 机器学习 特征(语言学) 面子(社会学概念) 深度学习 过程(计算) 数据挖掘 质量(理念) 社会科学 语言学 认识论 操作系统 哲学 社会学
作者
Kai Wang,R. Bhushan Gopaluni,Junghui Chen,Zhihuan Song
出处
期刊:IEEE Transactions on Industrial Informatics [Institute of Electrical and Electronics Engineers]
卷期号:16 (12): 7233-7242 被引量:72
标识
DOI:10.1109/tii.2018.2880968
摘要

Batch process quality prediction is an important application in manufacturing and chemical industries. The complexity of batch processes is characterized by multiphase, nonlinearity, dynamics, and uneven durations so that modeling of these batch processes is rather difficult. Moreover, there are other challenges in the face of quality prediction. Specifically, the process trajectories over the whole running duration potentially make specific contributions to the final targets so that the prediction issue embraces tremendously high-dimensional inputs but very low-dimensional outputs. This means that the prediction suffers from a severe dimensional imbalance between inputs and outputs. Motivated by these difficulties, this paper proposes a new deep learning-based framework for complex feature representative and quality prediction. Long short-term memory (LSTM) is used to extract comprehensive quality-relevant hidden features from a long-time sequence in each phase, significantly reducing the predictor dimensions. And these features from different phases are further integrated and compressed by a stacked auto-encoder (SAE). A practical industrial example testifies to the efficacy of the proposed framework.
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
就看最后一篇完成签到 ,获得积分10
1秒前
青糯完成签到 ,获得积分10
2秒前
雾见春完成签到 ,获得积分10
3秒前
暖暖完成签到 ,获得积分10
3秒前
陈炜smile完成签到,获得积分10
4秒前
Lucky.完成签到 ,获得积分0
5秒前
5秒前
笨逗逗完成签到,获得积分10
5秒前
红红完成签到,获得积分10
6秒前
西门浩宇完成签到 ,获得积分10
8秒前
8秒前
文明8完成签到,获得积分10
9秒前
Venus完成签到 ,获得积分10
9秒前
陌路完成签到 ,获得积分10
10秒前
学术菜鸡发布了新的文献求助10
10秒前
善学以致用应助红红采纳,获得10
10秒前
wangfaqing942完成签到 ,获得积分10
10秒前
谭文完成签到 ,获得积分10
13秒前
Hhhh完成签到 ,获得积分10
15秒前
kmario完成签到,获得积分10
15秒前
YY完成签到 ,获得积分10
16秒前
细腻的灵槐完成签到 ,获得积分10
16秒前
dzx完成签到 ,获得积分10
18秒前
18秒前
精明芷巧完成签到 ,获得积分10
18秒前
乐乐应助木之夏采纳,获得10
18秒前
淡淡妙竹完成签到 ,获得积分10
19秒前
胜胜糖完成签到 ,获得积分10
19秒前
JACk完成签到 ,获得积分10
19秒前
19秒前
十三完成签到 ,获得积分10
20秒前
123465完成签到 ,获得积分10
20秒前
士成发布了新的文献求助10
20秒前
zj完成签到 ,获得积分10
22秒前
22秒前
白白白完成签到 ,获得积分10
22秒前
一剑白完成签到 ,获得积分10
23秒前
美罗培南完成签到,获得积分10
24秒前
懦弱的安珊完成签到,获得积分10
25秒前
大力的宝川完成签到 ,获得积分10
25秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
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 3248609
求助须知:如何正确求助?哪些是违规求助? 2892063
关于积分的说明 8269674
捐赠科研通 2560135
什么是DOI,文献DOI怎么找? 1388854
科研通“疑难数据库(出版商)”最低求助积分说明 650926
邀请新用户注册赠送积分活动 627798