دانلود مقاله انگلیسی رایگان:جریان تجزیه و تحلیل عامل موازی متغیر بیزی جریان موازی برای مدل سازی حسگر نرم تطبیقی با داده های فرآیند بزرگ - 2020
سیزه به در
دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Streaming parallel variational Bayesian supervised factor analysis for adaptive soft sensor modeling with big process data Streaming parallel variational Bayesian supervised factor analysis for adaptive soft sensor modeling with big process data
    Streaming parallel variational Bayesian supervised factor analysis for adaptive soft sensor modeling with big process data

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Streaming parallel variational Bayesian supervised factor analysis for adaptive soft sensor modeling with big process data


    ترجمه فارسی عنوان مقاله:

    جریان تجزیه و تحلیل عامل موازی متغیر بیزی جریان موازی برای مدل سازی حسگر نرم تطبیقی با داده های فرآیند بزرگ


    منبع:

    Sciencedirect - Elsevier - Journal of Process Control, 85 (2020) 52-64: doi:10:1016/j:jprocont:2019:10:010


    نویسنده:

    Zeyu Yang, Le Yao, Zhiqiang Ge


    چکیده انگلیسی:

    Time-varying and state shifting are two of the main process factors that cause poor prediction perfor- mance of soft sensors. Adaptive soft sensor is commonly an alternative practice to ensure high predictive accuracy. However, the large scale of process data often leads to inefficiency of model updating. In this paper, a streaming variational Bayesian supervised factor analysis (S-VBSFA) model is first proposed to capture the process time-varying and state shifting features through online updating of the posterior of model parameters. During the updating process, the symmetric Kullback–Leibler (SKL) divergence is uti- lized to determine priors of the next variation Bayesian inference. To improve the modeling efficiency for large-scale process data, the parallel computing strategy is further applied to the streaming model. As a result, the proposed streaming parallel VBSFA (SP-VBSFA) algorithm not only relieves the computing pressure of modeling big process data, but also improves the prediction accuracy and further reduces the tracking time delay for process variations. Two case studies demonstrate the superiority of the proposed method, compared to conventional methods.
    Keywords: Adaptive soft sensor | Streaming variational Bayesian | Parallel computing strategy | Supervised factor analysis | Big process data


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 13
    حجم فایل: 3827 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi