Modelado de sensores blandos mediante aprendizaje automático para el proceso de fermentación

El objetivo del presente libro ha sido desarrollar soluciones de sensores blandos para bioprocesamiento aguas arriba y demostrar su utilidad para mejorar la robustez y aumentar la reproducibilidad de lote a lote en bioprocesos. Este libro de estudio abarca los siguientes objetivos:- Proponer y comparar el rendimiento del algoritmo de proyección sucesiva con el algoritmo de análisis de relación de grises en términos de selección de variables auxiliares;- Proponer y comparar el rendimiento del modelo de sensor suave SPA-GWO-SVR con el modelo SPA-SVR en términos de precisión, error cuadrático medio, determinación del coeficiente R2;- Proponer una estrategia de peso de inercia decreciente exponencial con el algoritmo PSO que explota el espacio de búsqueda y, por lo tanto, al reducir las grandes longitudes de paso, conduce al PSO hacia la convergencia a los óptimos globales;- Proponer el algoritmo de agrupamiento fuzzy c-means para agrupar los datos de muestra y comparar el rendimiento del modelo de sensor suave IPSO-LSSVM con el modelo estándar PSO-LSSVM en conjuntos de datos de regresión seleccionados en términos de precisión, error cuadrático medio, raíz cuadrática media error y error absoluto medio.