期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CatBoost的啤酒过滤工艺中助滤剂添加量优化研究
1
作者
王泉
杜康
《计算机应用文摘》
2026年第7期106-109,113,共5页
啤酒过滤是啤酒生产中的关键环节,旨在确保产品的澄清度与稳定性。目前,主流的过滤方法通常采用硅藻土或硅胶作为过滤助剂。然而,助滤剂的添加量多依赖操作经验,缺乏数据驱动的决策机制,容易导致成本浪费或产品质量波动。文章提出一种...
啤酒过滤是啤酒生产中的关键环节,旨在确保产品的澄清度与稳定性。目前,主流的过滤方法通常采用硅藻土或硅胶作为过滤助剂。然而,助滤剂的添加量多依赖操作经验,缺乏数据驱动的决策机制,容易导致成本浪费或产品质量波动。文章提出一种优化过滤助剂用量的方法。首先,为精准预测生产过程中啤酒的浊度,设计了一种基于CatBoost的浊度预测模型;其次,引入贝叶斯优化框架对模型超参数进行调优,以提升预测精度;最后,将助滤剂用量决策建模为在浊度约束下的成本最小化问题,并采用差分进化算法进行全局求解。实验结果表明,该方法在满足浊度标准的前提下,能够有效降低单位过滤体积的成本。该研究将机器学习与智能优化相结合,为啤酒过滤过程的降本增效和智能化升级提供了可量化的技术路径。
展开更多
关键词
啤酒过滤
助滤剂
机器学习
CatBoost
差分进化算法
在线阅读
下载PDF
职称材料
SIMCA法用于从非同源蛋白一级序列预测其结构类
被引量:
1
2
作者
高守国
《计算机与应用化学》
CAS
CSCD
北大核心
2004年第5期714-716,共3页
蛋白质结构类的正确识别对于其三级结构预测具有十分重要的意义,有必要引入先进的算法提高预测精度。使用SIM-CA 法处理氨基酸组成、自相关系数提取的特征参数以及氨基酸对含量,进行了蛋白质结构类的预测。采用Miyazawa 和Jerni-gan 的...
蛋白质结构类的正确识别对于其三级结构预测具有十分重要的意义,有必要引入先进的算法提高预测精度。使用SIM-CA 法处理氨基酸组成、自相关系数提取的特征参数以及氨基酸对含量,进行了蛋白质结构类的预测。采用Miyazawa 和Jerni-gan 的疏水值时,All-α、All-β、αβ类的自检验的精度为89%、91%、89%,它检验的精度分别为74%、87%、91%;引入氨基酸对含量后,All-α、All-β、αβ类自检验精度为86%、89%、90%,它检验的精度为77%、88%、93%。SIMCA 的预测结果好于Bayes-ian 识别函数法,氨基酸对的引入可以提高预测精度。
展开更多
关键词
结构类预测
SIMCA
氨基酸对含量
原文传递
题名
基于CatBoost的啤酒过滤工艺中助滤剂添加量优化研究
1
作者
王泉
杜康
机构
湖北轻工职业技术学院
出处
《计算机应用文摘》
2026年第7期106-109,113,共5页
文摘
啤酒过滤是啤酒生产中的关键环节,旨在确保产品的澄清度与稳定性。目前,主流的过滤方法通常采用硅藻土或硅胶作为过滤助剂。然而,助滤剂的添加量多依赖操作经验,缺乏数据驱动的决策机制,容易导致成本浪费或产品质量波动。文章提出一种优化过滤助剂用量的方法。首先,为精准预测生产过程中啤酒的浊度,设计了一种基于CatBoost的浊度预测模型;其次,引入贝叶斯优化框架对模型超参数进行调优,以提升预测精度;最后,将助滤剂用量决策建模为在浊度约束下的成本最小化问题,并采用差分进化算法进行全局求解。实验结果表明,该方法在满足浊度标准的前提下,能够有效降低单位过滤体积的成本。该研究将机器学习与智能优化相结合,为啤酒过滤过程的降本增效和智能化升级提供了可量化的技术路径。
关键词
啤酒过滤
助滤剂
机器学习
CatBoost
差分进化算法
Keywords
beer filtration
filter aid
machine learning
CatBoost
differential evolution algorithm
分类号
TQ754 [化学工程]
在线阅读
下载PDF
职称材料
题名
SIMCA法用于从非同源蛋白一级序列预测其结构类
被引量:
1
2
作者
高守国
机构
东南大学公共卫生学院
出处
《计算机与应用化学》
CAS
CSCD
北大核心
2004年第5期714-716,共3页
文摘
蛋白质结构类的正确识别对于其三级结构预测具有十分重要的意义,有必要引入先进的算法提高预测精度。使用SIM-CA 法处理氨基酸组成、自相关系数提取的特征参数以及氨基酸对含量,进行了蛋白质结构类的预测。采用Miyazawa 和Jerni-gan 的疏水值时,All-α、All-β、αβ类的自检验的精度为89%、91%、89%,它检验的精度分别为74%、87%、91%;引入氨基酸对含量后,All-α、All-β、αβ类自检验精度为86%、89%、90%,它检验的精度为77%、88%、93%。SIMCA 的预测结果好于Bayes-ian 识别函数法,氨基酸对的引入可以提高预测精度。
关键词
结构类预测
SIMCA
氨基酸对含量
Keywords
prediction of secondary structural Classes
SIMCA
amino acids pairs compositions
分类号
TQ754 [化学工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于CatBoost的啤酒过滤工艺中助滤剂添加量优化研究
王泉
杜康
《计算机应用文摘》
2026
0
在线阅读
下载PDF
职称材料
2
SIMCA法用于从非同源蛋白一级序列预测其结构类
高守国
《计算机与应用化学》
CAS
CSCD
北大核心
2004
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部