迁移学习驱动的复杂工业过程智能建模与优化控制

推荐语

本书内容是作者近年来在基于迁移学习驱动的复杂工业过程建模与优化控制等领域研究成果的总结。书中所涉及的研究成果均已发表在IEEE Trans Autom Sci Eng、Ind Eng Chem Res和J Process Contr等高水平学术期刊，曾荣获中国自动化学会科技进步奖一等奖，中国有色金属工业科学技术奖技术发明二等奖等荣誉，其中多项研究成果成功应用于冶金、选煤等行业，取得显著的经济效益。

本书详细介绍了当前人工智能背景下迁移学习方法在复杂工业过程智能建模和优化控制中的应用、思路和案例。全书共分3部分：第1部分介绍了迁移学习驱动的建模方法；第2部分介绍了迁移学习驱动的间歇过程产品质量预测方法；第3部分介绍了迁移学习驱动的间歇过程优化控制方法。

目录

第1部分 迁移学习驱动的建模方法

1 基于高斯过程模型和贝叶斯算法的改进快速建模方法

1.1 引言

1.2 理论基础

1.3 基于高斯过程模型和贝叶斯算法的改进模型迁移建模策略

1.4 实验验证

参考文献

2 基于多模型迁移和贝叶斯模型平均算法的最小成本建模方法

2.1 引言

2.2 多模型迁移策略

2.3 贝叶斯模型平均算法

2.4 基于多模型迁移策略的最小成本建模方法

2.5 实验验证

参考文献

3 基于多任务最小二乘支持向量机的多过程联合建模方法

3.1 引言

3.2 多任务最小二乘支持向量机

3.3 多过程联合建模方法

3.4 实验验证

参考文献

第2部分 迁移学习驱动的产品质量预测方法

4 基于JYKPLS迁移模型的产品质量预测方法

4.1 引言

4.2 JYKPLS基本原理

4.3 基于JYKPLS迁移模型的间歇过程质量预测方法

4.4 实验验证

参考文献

5 基于多尺度核JYMKPLS迁移模型的产品质量预测方法

5.1 引言

5.2 多尺度核学习方法

5.3 JYMKPLS方法

5.4 基于JYMKPLS迁移模型的产品质量预测方法

5.5 实验验证

参考文献

6 基于多源域适应JYPLS迁移模型的产品质量预测方法

6.1 引言

6.2 域适应学习方法

6.3 多源域适应JYPLS迁移模型

6.4 基于多源域适应JYPLS迁移模型的质量预测方法

6.5 实验验证

参考文献

第3部分 迁移学习驱动的间歇过程优化控制方法

7 迁移学习驱动的间歇过程批次间运行优化控制

7.1 引言

7.2 优化问题描述

7.3 修正自适应优化方法

7.4 基于JYPLS迁移模型的间歇过程批次间运行优化控制

7.5 实验验证

参考文献

8 迁移学习驱动的间歇过程优化补偿控制策略

8.1 引言

8.2 模型更新策略

8.3 基于过程迁移模型的间歇过程优化补偿控制

8.4 实验验证

参考文献

9 迁移学习驱动的间歇过程最优补偿控制策略

9.1 引言

9.2 优化补偿问题描述

9.3 信赖域方法

9.4 建模方法

9.5 基于JITL-JYKPLS的批次间最优补偿控制方法

9.6 实验验证

参考文献

10 迁移学习驱动的间歇过程集成运行优化控制

10.1 引言

10.2 批次间与批次内优化

10.3 批次内修正策略

10.4 间歇过程集成运行优化控制

10.5 实验验证

参考文献