典型文献
基于DNN的活性炭吸附预测及性能评价
文献摘要：
传统机器学习在处理有限样本数据时,容易出现过拟合和梯度消失等问题.为解决该类问题,文中以生物质活性炭亚甲基蓝吸附作为研究对象,构建了一种基于深度学习的DNN预测模型.使用Adam算法动态调整学习率、加速网络收敛;采用Dropout函数缓解过拟合;使用ReLU函数作为激活函数解决梯度消失问题.所搭建的DNN模型预测精度和稳健性均显著高于传统的人工神经网络模型,在面对单一来源数据时,预测平均准确率达到99.9％,面对来自不同实验室的多重来源数据时,依然拥有99.8％的平均预测准确率.搭建好的DNN模型以较强的鲁棒性保证了自身的安全性和容错能力,符合数据庞杂且复杂多变的实际应用情况,同时可进行关键影响因子的非线性定量关系预测,从而辅助制备工艺的决策优化.
文献关键词：
深度神经网络;吸附;活性炭;亚甲基蓝
中图分类号：
作者姓名：
马源;曾淦宁;戴孟铮;杜明明;罗宏伟
作者机构：
浙江工业大学化学工程学院,浙江杭州 310014;浙江工业大学环境学院,浙江杭州 310014
文献出处：
引用格式：
[1]马源;曾淦宁;戴孟铮;杜明明;罗宏伟-.基于DNN的活性炭吸附预测及性能评价)[J].化学工程,2022(12):27-31
A类：
B类：
DNN,活性炭吸附,性能评价,有限样本,过拟合,梯度消失,生物质活性炭,亚甲基蓝吸附,Adam,学习率,网络收敛,Dropout,ReLU,激活函数,人工神经网络模型,一来,平均准确率,多重来源,预测准确率,建好,容错能力,庞杂,定量关系,制备工艺,决策优化,深度神经网络
AB值：
0.399421
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
