دانلود مقاله انگلیسی رایگان:شبیه سازی مبتنی بر یادگیری ماشین و کنترل دسته ای تولید cyanobacterial-فایکوسیانین در Plectonema توسط شبکه عصبی مصنوعی و یادگیری تقویت عمیق - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Machine-learning-based simulation and fed-batch control of cyanobacterial-phycocyanin production in Plectonema by artificial neural network and deep reinforcement learning Machine-learning-based simulation and fed-batch control of cyanobacterial-phycocyanin production in Plectonema by artificial neural network and deep reinforcement learning
    Machine-learning-based simulation and fed-batch control of cyanobacterial-phycocyanin production in Plectonema by artificial neural network and deep reinforcement learning

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Machine-learning-based simulation and fed-batch control of cyanobacterial-phycocyanin production in Plectonema by artificial neural network and deep reinforcement learning


    ترجمه فارسی عنوان مقاله:

    شبیه سازی مبتنی بر یادگیری ماشین و کنترل دسته ای تولید cyanobacterial-فایکوسیانین در Plectonema توسط شبکه عصبی مصنوعی و یادگیری تقویت عمیق


    منبع:

    Sciencedirect - Elsevier - Computers and Chemical Engineering, 142 (2020) . doi:10.1016/j.compchemeng.2020.107016


    نویسنده:

    Yan Ma, DanielA. Noreña-Caro, AlexandriaJ. Adams, Tyler B. Brentzel , JoséA. Romagnoli , Michael G. Benton


    چکیده انگلیسی:

    In this paper, a model-free deep reinforcement learning (DRL) strategy is presented with an artificial neural network (ANN) as reaction simulation environment, to obtain a fed-batch control strategy for an experimental bioreactor. The proposed method is a fundamental attempt to control reactions by employ- ing state-of-the-art machine learning tools without the aid of well-established mechanistic understanding of the reaction system. This application utilizes the Asynchronous Advantage Actor-Critic (A3C) algorithm, a member of the DRL family, that takes advantage of actor-critic algorithm and asynchronous learning by parallel learning agents to achieve stability and efficiency of the learning process. The resulting controller demonstrates robust performance in the fed-batch bioreactor since it can be adjusted to meet varying constraining factors including nutrient limitations and culture lengths. Results are presented for a biore- actor that produces cyanobacterial-phycocyanin (C-PC) in Plectonema sp. UTEX 1541. Experimental valida- tions show a 52.1% increase in the product yield, and a 20.1% increase in C-PC concentration compared to a control group with the same total nutrient input replenished in a non-optimized manner.
    Keywords: Deep reinforcement learning | Artificial neural network | Fed-batch control | C-phycocyanin | Plectonema


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 1301 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