Применение метода искусственного интеллекта для расчёта материального баланса бесконверсионных технологических операций

Abstract

Искусственный интеллект предлагает эффективные решения целого ряда задач в химической технологии. Особенно ценной является способность искусственного интеллекта работать с неполными или зашумленными данными, характерными для экспериментальных исследований. Среди методов искусственного интеллекта, применяемых в химической технологии, выделяются глубокое обучение (CNN, RNN, LSTM, автоэнкодеры), различные архитектуры нейронных сетей (многослойные персептроны, рекуррентные нейронные сети), классические методы машинного обучения (регрессия, классификация, SVM, Random Forest) и генетические алгоритмы и байесовские методы.