Supervised Variational Autoencoders for Soft Sensor Modeling With Missing Data

Autoencoder (AE) is a deep neural network that has been widely utilized in process industry owing to its superior abilities of feature extraction and data reconstruction. Recently, assuming the latent variables to be random variables, a probabilistic variant of it called variational autoencoder (VAE...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on industrial informatics Ročník 16; číslo 4; s. 2820 - 2828
Hlavní autoři:	Xie, Ruimin, Jan, Nabil Magbool, Hao, Kuangrong, Chen, Lei, Huang, Biao
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 01.04.2020 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Artificial neural networks Coders Data models Decoding Feature extraction Industries Melt viscosity index (MVI) Missing data modified unsupervised DVAE (MUDVAE) Neural networks Probabilistic logic Process control Random variables Reconstruction Sensors soft sensor frameworks supervised deep VAE (SDVAE) variationan autoencoder (VAE)
ISSN:	1551-3203, 1941-0050
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!