haku: @instructor Visala, Arto / yhteensä: 10
hakutulos-lista
viite: 9 / 10
« edellinen | seuraava »
Tekijä:Paanajärvi, Janne
Työn nimi:Modeling of bioprocesses using dynamic neural networks - case: filamentous fungus fermentations
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2002
Sivut:iv + 54 s. + liitt.      Kieli:   eng
Koulu/Laitos/Osasto:Sähkö- ja tietoliikennetekniikan osasto
Oppiaine:Automaatiotekniikka   (Aut-84)
Valvoja:Halme, Aarne
Ohjaaja:Visala, Arto
OEVS:
Digitoitu arkistokappale luettavissa Harald Herlin -oppimiskeskuksen asiakaskoneilla | ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark TKK  2672   | Arkisto
Avainsanat:Kalman filter
recurrent neural networks
multi-layer perceptron
process monitoring
identification
fermentation processes
Kalman suodin
takaisinkytketyt neuroverkot
monikerros perseptroni
identifiointi
prosessien monitorointi
fermentaatioprosessi
Tiivistelmä (fin):Työn tarkoituksena on mallien, ja erityisesti Wiener-MLP mallin, identifiointi teollisille bioprosesseille.
Datapohjaisten mallien joustavuus tekee niistä sopivia mallirakenteita monimutkaisten ja huonosti tunnettujen prosessien, kuten bioprosessien, mallinnukseen.
On kuitenkin huomattava, että ylisovituksen välttämiseksi tarvitaan hyvinkin suuria määriä opetusdataa.
Tässä työssä tutkittiin useita keinoja tarvittavan opetusdatan määrän rajoittamiseen, kuten keinoja prosessitiedon lisäämiseksi malleihin ja malliulostulojen keskiarvoistamista.

Mallinnettavat prosessit ovat teollisia eräfermentaatioita lisäravinnesyötöllä, joissa tuotetaan entsyymejä.
Prosesseissa käytetyt mikrobit ovat Trichoderma ja Aspergillus sieniä.
Mallien tarkoituksena tuottaa online-estimaatteja tärkeistä prosessimuuttujista ja ennustaa niiden tulevia arvoja.
Työn teon hetkellä näille muuttujille saatiin arvoja vain laboratorioanalyysien kautta.
Estimaatteja on tarkoitus käyttää prosessin monitoroinnin ja vikadiagnoosin tukena.
Mallia voitaisiin käyttää myös ravinnesyöttöprofiilin suunnittelun apuna ja optimaalisen eränlopetusajan määrittämiseen.

Tässä työssä Wiener-MLP mallin kehittelyä on jatkettu.
Nyt sillä on aito tilaesitys, joka antaa mallin opetusalgoritmeille enemmän vapautta sopivan tilaesityksen löytämiseen.
Mallille kehiteltiin myös uusia opetusalgoritmeja.
Wiener-MLP mallia vertailtiin mallinnustehtävässä useisiin muihin mallirakenteisiin.
Wiener-MLP mallin yleistyskyky vaikutti paremmalta muihin malleihin verrattuna tässä tapauksessa.
Mallille kehitettiin prototyyppi ohjelmisto bioprosessien monitorointiin.
ED:2002-01-31
INSSI tietueen numero: 18253
+ lisää koriin
« edellinen | seuraava »
INSSI