Studiul Catalizatorilor din Clasa Hidroxizilor Dubli Lamelari cu Ajutorul Retelelor Neuronale Artificiale

Imagine preview
(9/10 din 1 vot)

Acest proiect trateaza Studiul Catalizatorilor din Clasa Hidroxizilor Dubli Lamelari cu Ajutorul Retelelor Neuronale Artificiale.
Mai jos poate fi vizualizat cuprinsul si un extras din document (aprox. 2 pagini).

Arhiva contine 1 fisier doc de 55 de pagini .

Profesor indrumator / Prezentat Profesorului: Rodica Diaconescu

Iti recomandam sa te uiti bine pe extras, cuprins si pe imaginile oferite iar daca este ceea ce-ti trebuie pentru documentarea ta, il poti descarca. Ai nevoie de doar 6 puncte.

Domeniu: Inteligenta Artificiala

Cuprins

CAP. I. Stadiul actual al cunoasterii in domeniul utilizarii retelelor neuronale artificiale in ingineria chimica ( cataliza ecologica).
I.1. Contextul aparitiei si dezvoltarii cercetarilor in domeniul retelelor neuronale artificiale
I.2. Concepte fundamentale
I.2.1. Notiuni de neurobiologie
I.2.2. Caracteristici ale retelelor neuronale artificiale
I.2.3. Tipuri de retelelor neuronale artificiale
I.2.4. Arhitectura retelei neuronale
I.2.5. Algoritmi de antrenare
I.3. Aplicatii ale retelelor neuronale artificiale
I.3.1. Aplicatii ale retelelor neuronale artificiale in diverse domenii
I.3.2. Aplicatii ale retelelor neuronale artificiale in chimie si inginerie chimica
I.3.3. Aplicatii ale retelelor neuronale artificiale in sisteme catalitice
I.3.3.1.Aspecte generale
I.3.3.2.Modele compozitionale catalitice
I.3.3.3.Modelarea cinetica cu ajutorul retelelor neuronale artificiale
I.3.3.4.Designul reactoarelor cu retele neuronale artificiale
I.3.4. Aplicatii ale retelelor neuronale artificiale in ecologie
I.3.4.1. Retele neuronale artificiale pentru predictia starii unui proces de fermentatie
I.3.4.2. Sortarea deseurilor
I.3.4.3. Utilizarea retelelor neuronale artificiale pentru modelarea proceselor neliniare cu aplicatie la reactoare de tratare a reziduurilor
I.3.4.4. Utilizarea retelelor neuronale artificiale in planificarea si conducerea proceselor secventiale
I.4. Implementarea software a retelelor neuronale artificiale
I.4.1. Caracteristici generale
I.4.2.NeuroSolutions for Excel – proprietatile produsului
CAP. II. Studiul hidroxizilor dubli lamelari cu ajutorul retelelor neuronale artificiale
II.1. Aspecte generale privind clasa de materiale studiate
II.2 Sinteza probelor de hidroxizi dubli lamelari
II.3. Modelare neuronala si optimizare

Extras din document

CAPITOLUL I.

Stadiul actual al cunoasterii in domeniul utilizarii retelelor neuronale artificiale in inginerie chimica ( cataliza ecologica )

I. 1.Contextul aparitiei si dezvoltarii cercetarilor in domeniul retelelor neuronale artificiale

Identificarea bazata pe modele neuronale s-a conturat ca directie de cercetare la începutul anilor 1990, drept urmare a investigatiilor matematice asupra proprietatilor de aproximare ale retelelor neuronale de tip MLP (Multilayer Perceptron) si de tip RBF (Radial-Basis Function) .Evolutia noului domeniu a fost impulsionata de contributiile remarcabile, din aceeasi perioada ale unor nume de prestigiu in automatica, care au deschis drumul utilizarii retelelor MLP în identificarea neliniara si care s-au orientat pe arhitecturi de tip RBF. In acest context, merita subliniat faptul ca aplicarea in automatica a tehnicilor specifice retelelor neuronale a fost dominata, pe intreaga durata a anilor ‘90, de exploatarea topologiilor MLP cu noduri sigmoidale in stratul (straturile) ascuns(e). Totusi, un numar de cercetatori au continuat studierea aplicabilitatii retelelor de tip RBF in identificarea si conducerea sistemelor.Pe de alta parte, firmele producatoare de software tehnico-stiintific au demarat dezvoltarea de facilitati specifice retelelor neuronale, astfel incat, aparitia în 1992 a primei versiuni a Neuronal Network Toolbox (NNT) incorporata in mediul MATLAB 4.2 a avut un impact major asupra interesului acordat de catre automatisti acestei directii de cercetare. Intrucat NNT, de la prima versiune pâna la cea mai recenta, a fost conceput sa acopere o arie cat mai larga de aplicatii ale retelelor neuronale, proiectantii sai nu si-au propus dezvoltarea concomitenta a unor blocuri Simulink, dedicate constructiei modelelor dinamice. O initiativa valoroasa in aceasta directie trebuie semnalata in studiile practice din monografie, care prezinta realizarea unui bloc Simulink destinat antrenarii on-line, prin metoda propagarii inverse, a unei configuratii dinamice, bazata; pe topologie MLP, destinata identificarii neliniare.

S-a inceput apoi dezvoltarea retelelor neuronale in Simulink, versiunea 4.0.1 în scopul construirii modelelor dinamice, permitand utilizarea topologiilor ADALINE, MLP si RBF, selectarea a diverse strategii de organizare a datelor pentru identificare, precum si utilizarea mai multor tehnici de antrenare în conformitate cu topologia retelei. Prin crearea unor asemenea instrumente, se realizeaza un progres notabil in ceea ce priveste simplitatea manevrarii modelelor neuronale in experimente de identificare, care, astfel, pot fi conduse direct in mediul Simulink (considerand inclusiv situatia aplicatiilor de timp real, pentru care se poate face apel la serviciile Real-Time Workshop). Merita; de amintit faptul ca preocuparile in directia dezvoltarii de facilitati Matlab-Simulink pentru utilizarea retelelor neuronale in automatica; au avut in vedere, in mod constant, si aspectul educational. Validitatea acestor preocupari a primit, indirect, o confirmare importanta chiar din partea firmei producatoare, The MathWorks, care, incepand cu versiunea Simulink comercializata In 2001, a inclus un bloc pentru identificare neuronala bazata pe arhitectura MLP. Implementarea furnizata de firma The MathWorks nu contine blocuri structurate pe topologiile ADALINE si RBF si nici nu permite utilizarea strategiilor de antrenare on-line (pe esantioane). Primul neuron artificial a fost ‚construit in anul 1943 de catre neurofiziologul Warren McCulloch şi logicianul Walter Pitts. Sintetic vorbind, retelele neuronale (NN) reprezinta sisteme neprogramate (nealgoritmice) de procesare adaptiva a informatiei. NN invata din exemple si se comporta ca niste cutii negre modul de procesare a informaţiei fiind neexplicit.

Astfel, instrumentele realizate permit accesul la toate arhitecturile standard de retele neuronale vizate in identificare (ADALINE, MLP s;i RBF), oferind variante de antrenare de tip off- si on-line, prin diversi algoritmi, in conformitate cu specificul topologiei selectate.

Fisiere in arhiva (1):

  • Studiul Catalizatorilor din Clasa Hidroxizilor Dubli Lamelari cu Ajutorul Retelelor Neuronale Artificiale.doc

Alte informatii

UNIVERSITATEA TEHNICA ,,GH. ASACHI’’ FACULTATEA DE INGINERIE CHIMICA SI PROTECTIA MEDIULUI