先进的化学过程工程工具，如模型预测控制或软传感器解决方案，需要适当的过程模型。 这些模型的参数识别需要具有高信息量的输入输出数据。 当无法应用基于模型的优化实验设计技术时，从历史数据中提取信息片段也可以支持系统识别。 我们开发了一种面向目标的基于 Fisher 信息的时间序列分割算法，旨在从历史过程数据中选择信息片段。 所使用的标准自下而上算法广泛用于过程数据的离线分析。 不同的段可以支持参数集的识别。 因此，我们建议使用从序列获得的 Fisher 信息矩阵的特征向量之间的 Krzanowski 相似系数，而不是使用 D 或 E 最优性作为比较两个输入序列（相邻段）的信息内容的标准。 两个应用示例证明了所提出方法的效率。 该算法能够从历史过程数据中提取具有参数集特定信息内容的段。
它也在： L. Dobos, J. Abonyi, 基于时间序列分割的 Fisher 信息矩阵过程数据分析
2022-05-11 02:14:37
580KB
1
另外超市的发张壮大，尤其是连锁超市（如家乐福、美廉美）的扩张，使得他们具有地域上分散而管理上又相对集中的特点，往往既要有各门店的局部控制和分散管理，同时也要有整个组织的全局控制和高层次的协同管理。
因此把这些门店和中心通过网络连接起来，设计开发一款基于分布式数据库的连锁超市管理系统SMS（Supermarket management system）势在必行。
2022-05-10 12:19:02
6.24MB
1
人工智能-机器学习-面向服务的智能客户端营销信息管理系统分析与设计.pdf
2022-05-10 09:09:04
2.28MB