Modélisation des capteurs logiciels à l'aide de l'apprentissage automatique pour le processus de fermentation

L'objectif de ce livre a été de développer des solutions de capteurs souples pour les bioprocédés en amont et de démontrer leur utilité pour améliorer la robustesse et augmenter la reproductibilité d'un lot à l'autre dans les bioprocédés. Cette étude de livre comprend les objectifs suivants :- Proposer et comparer les performances de l'algorithme de projection successive avec l'algorithme d'analyse des relations de gris en termes de sélection des variables auxiliaires ;- Proposer et comparer les performances du modèle de capteur logiciel SPA-GWO-SVR avec le modèle SPA-SVR en termes de précision, d'erreur quadratique moyenne, de détermination du coefficient R2 ;- Proposer une stratégie de poids d'inertie décroissante exponentielle avec un algorithme PSO qui exploite l'espace de recherche et ainsi en réduisant les grandes longueurs de pas conduit le PSO vers la convergence vers des optima globaux ;- Proposer l'algorithme de clustering flou c-means pour regrouper les données d'échantillon et comparer les performances du modèle de capteur logiciel IPSO-LSSVM avec le modèle standard PSO-LSSVM sur des ensembles de données de régression sélectionnés en termes de précision, d'erreur quadratique moyenne, de racine carrée moyenne erreur et erreur absolue moyenne.