Study on Support Vector Machine-Based Fault Detection in Tennessee Eastman Process

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: Este documento investiga la eficacia de la máquina de vectores de soporte (SVM, por sus siglas en inglés) utilizando conjuntos de datos generados por la simulación del proceso Tennessee Eastman para la detección de fallos. Debido a su excelente rendimiento en generalización, el rendimiento de clasificación de SVM es satisfactorio. El algoritmo SVM combinado con función de kernel tiene la característica no lineal y puede manejar mejor el caso en el que las muestras y atributos son masivos. Además, al optimizar previamente los parámetros utilizando la técnica de validación cruzada, SVM puede producir una alta precisión en la detección de fallos. Por lo tanto, no es necesario tratar con los datos originales o recurrir a otros algoritmos, lo que hace que el problema de clasificación sea fácil de manejar. Para ilustrar aún más la eficiencia, se utiliza un punto de referencia industrial del proceso Tennessee Eastman (TE) con el algoritmo SVM y el algoritmo PLS, respectivamente. Al comparar los índices de rendimiento de detección, la técn
Citación recomendada (normas APA)
: Hindawi Publishing Corporation, "Study on Support Vector Machine-Based Fault Detection in Tennessee Eastman Process", -:Revista VirtualPRO,, 2014. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3946546/), el día 2025-06-03.

Información adicional