본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

IEEE transactions on automation science and engineering v.14 no.1, 2017년, pp.126 - 138   SCI SCIE
본 등재정보는 저널의 등재정보를 참고하여 보여주는 베타서비스로 정확한 논문의 등재여부는 등재기관에 확인하시기 바랍니다.

Locally Weighted Prediction Methods for Latent Factor Analysis With Supervised and Semisupervised Process Data

Yao, Le (State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University, Hangzhou, China ) ; Ge, Zhiqiang ;
  • 초록  

    Through calculating the similarity between the historical and the new query data samples, a probabilistic locally weighted prediction method based on supervised latent factor analysis (SLFA) model is proposed. In this method, the contributions of different historical samples are expressed through incorporating the similarity index into the noise variance of the process variables, which renders strong adaptability of the method for describing nonlinear relationships and abrupt changes of the process. Additionally, the proposed locally weighted method is extended to the semisupervised form, which is apparently more practical in real industrial processes, since the sampling rates of quality variables are much lower than those of ordinary process variables. Efficient expectation maximization algorithms are designed for parameter learning in both SLFA and semisupervised locally weighted LFA methods. Two real industrial processes are provided to evaluate the feasibility and the effectiveness of the newly developed soft sensors.


 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
  • 원문이 없습니다.

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 출판된 논문 + 더보기