期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于堆叠监督自编码器的蓝莓果渣花青素预测模型
1
作者
刘思岐
冯国红
+1 位作者
刘中深
朱玉杰
《食品工业科技》
CAS
北大核心
2023年第10期304-310,共7页
基于可见近红外光谱技术,采用深度学习中的堆叠监督自编码器(stacked supervised autoencoders,SSAE)对蓝莓果渣的花青素含量进行了建模。首先对光谱数据进行预处理和特征筛选处理,以预设SSAE模型的预测集均方根误差(RMSEP)最低为标准,...
基于可见近红外光谱技术,采用深度学习中的堆叠监督自编码器(stacked supervised autoencoders,SSAE)对蓝莓果渣的花青素含量进行了建模。首先对光谱数据进行预处理和特征筛选处理,以预设SSAE模型的预测集均方根误差(RMSEP)最低为标准,选择出178个特征波长;以选择出的特征波长处的吸光值作为SSAE模型的输入,以蓝莓果渣中的花青素含量为输出,讨论SSAE模型激活参数、节点数、训练次数和学习率,得到SSAE最优参数,即激活函数rule、结构178-60-5-1、训练次数70、学习率0.01。选取训练集均方根误差(RMSEC)、预测集均方根误差(RMSEP)、预测集相关系数(Rp)为评价标准,获得所建立模型的RMSEC、RMSEP、Rp分别为1.0500、0.3835、0.9042。最后通过与经典回归预测模型极限学习机(extreme learning machine,ELM)、最小二乘支持向量机回归(least squares support vector regression,LSSVR)和偏最小二乘回归(partial least squares regression,PLSR)算法进行对比,发现本研究所建SSAE模型的预测精度更高,表明SSAE模型与可见近红外光谱结合能有效预测蓝莓果渣中的花青素含量。
展开更多
关键词
蓝莓果渣
花青素
可见近红外光谱技术
堆叠监督自编码器
无损检测
在线阅读
下载PDF
职称材料
堆叠监督自动编码器的近红外光谱建模
被引量：
6
2
作者
孙志兴
赵忠盖
刘飞
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2022年第3期749-756,共8页
近红外光谱中包含了物质中有机分子含氢基团的特征信息,具有维度高、冗余大等特点。传统的基于浅层校正模型,比如主成分回归、偏最小二乘回归、人工神经网络、支持向量回归等,无法提取近红外光谱数据深层的信息。提出一种基于堆叠监督...
近红外光谱中包含了物质中有机分子含氢基团的特征信息,具有维度高、冗余大等特点。传统的基于浅层校正模型,比如主成分回归、偏最小二乘回归、人工神经网络、支持向量回归等,无法提取近红外光谱数据深层的信息。提出一种基于堆叠监督自动编码器的近红外光谱建模方法,不仅可以拟合光谱数据与理化值之间复杂的非线性关系,还可以提取数据深层的特征信息。首先通过对比不同的光谱预处理对模型预测结果的影响,选择最优的预处理方法,然后再使用相关系数法提取特征波段。将处理好的近红外光谱数据作为堆叠监督自动编码器的输入信号,利用理化值对多个监督自动编码器进行有监督的预训练;将多个经过预训练的监督自动编码器进行堆叠,得到堆叠监督自动编码器;将预训练的参数作为堆叠监督自动编码器的初始化参数,然后再利用理化值对堆叠监督自动编码器进行有监督的微调,最后得到模型的最优参数。分别利用玉米含水量和黄酒总酸含量等近红外数据集进行验证,建立了偏最小二乘回归预测模型、人工神经网络预测模型、堆叠自动编码器预测模型和堆叠监督自动编码器预测模型,验证了堆叠监督自动编码器建模的可行性;以预测均方根误差和预测相对分析误差两个指标对比分析了偏最小二乘回归、反向传播人工神经网络、堆叠自动编码器及堆叠监督自动编码器四种建模方法的评价指标。分析结果表明,采用该方法建立的模型,模型预测效果更好,玉米含水量数据集的两个评价指标达到了0.0604和4.313;黄酒总酸含量数据的两个评价指标达到了0.120和4.227,均优于另外三种方法。
展开更多
关键词
近红外光谱
深度学习
堆叠监督自编码器
定量校正模型
在线阅读
下载PDF
职称材料
基于NSSAE的批次发酵过程质量相关与质量无关故障检测与诊断
3
作者
刘忠
章政
+1 位作者
楼旭阳
朱金林
《食品工业科技》
北大核心
2025年第3期1-10,共10页
为了解决批次发酵过程中质量无关故障所可能引起的不必要停机,本文提出了噪声半监督堆叠自编码器(Noised semi-supervised stacked auto-encoder,NSSAE)算法以区分质量相关与质量无关故障。首先,基于互信息计算过程变量与质量变量间互信...
为了解决批次发酵过程中质量无关故障所可能引起的不必要停机,本文提出了噪声半监督堆叠自编码器(Noised semi-supervised stacked auto-encoder,NSSAE)算法以区分质量相关与质量无关故障。首先,基于互信息计算过程变量与质量变量间互信息,并对数据加入噪声以提高算法对质量相关信息挖掘能力。其次,构建NSSAE的过程监测模型,在模型的首层自编码器和最后一层自编码器中构建故障检测和质量相关检测指标,并利用核密度估计计算对应的控制极限。最后,利用深度重构贡献图(Deep reconstruction-based contribution,DRBC)定位故障根源。从数值仿真和乳酸菌批次发酵实验结果可知,本文提出的NSSAE算法能够准确区分质量相关与无关故障,首层的残差空间的检测指标的故障检测率接近100%,最后一层隐空间的检测指标能够准确识别质量相关故障和质量无关故障。基于DRBC诊断方法能在故障发生后准确识别发生故障的变量,该研究结果为批次发酵过程质量相关与质量无关故障监测问题提出了一种切实可行的过程监测方法。
展开更多
关键词
批次发酵过程
质量相关故障
噪声半
监督
堆
叠
自编码器
故障检测与诊断
深度重构贡献图
在线阅读
下载PDF
职称材料
题名
基于堆叠监督自编码器的蓝莓果渣花青素预测模型
1
作者
刘思岐
冯国红
刘中深
朱玉杰
机构
东北林业大学工程技术学院
黑龙江农业工程职业学院
出处
《食品工业科技》
CAS
北大核心
2023年第10期304-310,共7页
基金
中央高校基本科研业务费专项资金项目(2572020BL01)
黑龙江省自然科学基金项目(LH2020C050)。
文摘
基于可见近红外光谱技术,采用深度学习中的堆叠监督自编码器(stacked supervised autoencoders,SSAE)对蓝莓果渣的花青素含量进行了建模。首先对光谱数据进行预处理和特征筛选处理,以预设SSAE模型的预测集均方根误差(RMSEP)最低为标准,选择出178个特征波长;以选择出的特征波长处的吸光值作为SSAE模型的输入,以蓝莓果渣中的花青素含量为输出,讨论SSAE模型激活参数、节点数、训练次数和学习率,得到SSAE最优参数,即激活函数rule、结构178-60-5-1、训练次数70、学习率0.01。选取训练集均方根误差(RMSEC)、预测集均方根误差(RMSEP)、预测集相关系数(Rp)为评价标准,获得所建立模型的RMSEC、RMSEP、Rp分别为1.0500、0.3835、0.9042。最后通过与经典回归预测模型极限学习机(extreme learning machine,ELM)、最小二乘支持向量机回归(least squares support vector regression,LSSVR)和偏最小二乘回归(partial least squares regression,PLSR)算法进行对比,发现本研究所建SSAE模型的预测精度更高,表明SSAE模型与可见近红外光谱结合能有效预测蓝莓果渣中的花青素含量。
关键词
蓝莓果渣
花青素
可见近红外光谱技术
堆叠监督自编码器
无损检测
Keywords
blueberry pomace
anthocyanin
visible near infrared spectroscopy(VNIS)
stacked supervised autoencoders(SSAE)
nondestructive testing(NDT)
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TS255 [轻工技术与工程—农产品加工及贮藏工程]
在线阅读
下载PDF
职称材料
题名
堆叠监督自动编码器的近红外光谱建模
被引量：
6
2
作者
孙志兴
赵忠盖
刘飞
机构
江南大学轻工过程先进控制教育部重点实验室
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2022年第3期749-756,共8页
基金
国家自然科学基金项目(61833007)资助。
文摘
近红外光谱中包含了物质中有机分子含氢基团的特征信息,具有维度高、冗余大等特点。传统的基于浅层校正模型,比如主成分回归、偏最小二乘回归、人工神经网络、支持向量回归等,无法提取近红外光谱数据深层的信息。提出一种基于堆叠监督自动编码器的近红外光谱建模方法,不仅可以拟合光谱数据与理化值之间复杂的非线性关系,还可以提取数据深层的特征信息。首先通过对比不同的光谱预处理对模型预测结果的影响,选择最优的预处理方法,然后再使用相关系数法提取特征波段。将处理好的近红外光谱数据作为堆叠监督自动编码器的输入信号,利用理化值对多个监督自动编码器进行有监督的预训练;将多个经过预训练的监督自动编码器进行堆叠,得到堆叠监督自动编码器;将预训练的参数作为堆叠监督自动编码器的初始化参数,然后再利用理化值对堆叠监督自动编码器进行有监督的微调,最后得到模型的最优参数。分别利用玉米含水量和黄酒总酸含量等近红外数据集进行验证,建立了偏最小二乘回归预测模型、人工神经网络预测模型、堆叠自动编码器预测模型和堆叠监督自动编码器预测模型,验证了堆叠监督自动编码器建模的可行性;以预测均方根误差和预测相对分析误差两个指标对比分析了偏最小二乘回归、反向传播人工神经网络、堆叠自动编码器及堆叠监督自动编码器四种建模方法的评价指标。分析结果表明,采用该方法建立的模型,模型预测效果更好,玉米含水量数据集的两个评价指标达到了0.0604和4.313;黄酒总酸含量数据的两个评价指标达到了0.120和4.227,均优于另外三种方法。
关键词
近红外光谱
深度学习
堆叠监督自编码器
定量校正模型
Keywords
Near infrared spectroscopy
Deep learning
Stack supervised auto-encoder(SSAE)
Quantitative calibration model
分类号
O657.3 [理学—分析化学]
在线阅读
下载PDF
职称材料
题名
基于NSSAE的批次发酵过程质量相关与质量无关故障检测与诊断
3
作者
刘忠
章政
楼旭阳
朱金林
机构
江南大学物联网工程学院
江南大学食品学院
香港科技大学化学与生物工程系
出处
《食品工业科技》
北大核心
2025年第3期1-10,共10页
基金
国家自然科学基金(62103168)
江苏省自然科学基金(BK20210452)。
文摘
为了解决批次发酵过程中质量无关故障所可能引起的不必要停机,本文提出了噪声半监督堆叠自编码器(Noised semi-supervised stacked auto-encoder,NSSAE)算法以区分质量相关与质量无关故障。首先,基于互信息计算过程变量与质量变量间互信息,并对数据加入噪声以提高算法对质量相关信息挖掘能力。其次,构建NSSAE的过程监测模型,在模型的首层自编码器和最后一层自编码器中构建故障检测和质量相关检测指标,并利用核密度估计计算对应的控制极限。最后,利用深度重构贡献图(Deep reconstruction-based contribution,DRBC)定位故障根源。从数值仿真和乳酸菌批次发酵实验结果可知,本文提出的NSSAE算法能够准确区分质量相关与无关故障,首层的残差空间的检测指标的故障检测率接近100%,最后一层隐空间的检测指标能够准确识别质量相关故障和质量无关故障。基于DRBC诊断方法能在故障发生后准确识别发生故障的变量,该研究结果为批次发酵过程质量相关与质量无关故障监测问题提出了一种切实可行的过程监测方法。
关键词
批次发酵过程
质量相关故障
噪声半
监督
堆
叠
自编码器
故障检测与诊断
深度重构贡献图
Keywords
batch fermentation process
quality-related faults
noised semi-supervised stacked auto-encoder
fault detection and diagnosis
deep reconstruction-based contribution
分类号
TS251.1 [轻工技术与工程—农产品加工及贮藏工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于堆叠监督自编码器的蓝莓果渣花青素预测模型
刘思岐
冯国红
刘中深
朱玉杰
《食品工业科技》
CAS
北大核心
2023
0
在线阅读
下载PDF
职称材料
2
堆叠监督自动编码器的近红外光谱建模
孙志兴
赵忠盖
刘飞
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
3
基于NSSAE的批次发酵过程质量相关与质量无关故障检测与诊断
刘忠
章政
楼旭阳
朱金林
《食品工业科技》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
