شناسایی غیرخطی فرآیند تخمیر فدبچ اشتریشیاکلی نوترکیب برای تولید پروتئین اینترفرون - گامای انسانی با استفاده از مدل وینر مبتنی بر شبکه عصبی

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,397

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE16_417

تاریخ نمایه سازی: 6 اسفند 1386

چکیده مقاله:

فرآیندهای زیستی، فرایندهای غیر خطی هستند که تحقیقات اندکی در زمینه شناسایی و مدل سازی آنها صورت گرفته است. فرایند زیستی مورد مطالعه در این تحقیق، فرایند تخمیر فدبچ باکتری اشریشیاکلی نوترکیب برای تولید پروتئین دارویی اینترفرون - گامای انسانی است. جهت شناسایی مدل غیر خطی فرایند، از داده های تجربی حاصل از آزمایش های تخمیر فدبچ انجام گرفته در آزمایشگاه استفاده شده است. مدل فرایند، مدل وینر مبتنی بر شبکه عصبی است که قسمت خطی آن به فرم فضای حالت و قسمت غیرخطی آن یک تخمینگر شبکه عصبی تک لایه است. پس از شناسایی ، پارامترهای قسمت خطی و وزن های شبکه عصبی مدل به دست آمده با استفاده از یک الگوریتم بهینه سازی عددی بهینه می شوند. نتایج به دست آمده از شبیه سازی نیز تطابق بسیار خوبی را میان خروجی های مدل وینر و داده های آزمایشگاهی ثبت شده از فرایند نشان می دهد.

نویسندگان

مهدی فیض دار

دانشگاه صنعتی مالک اشتر

احمدرضا ولی

دانشگاه صنعتی مالک اشتر

ولی الله بابایی پور

دانشگاه صنعتی مالک اشتر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • V.Babaeipure, S.A Shojaosadati, R. Khalilzadeh, N.maghsoodi, F.Tabandeh, 44Over production of ...
  • V.Babaeipure, S.A Shojaosadati, R. Khalilzadeh, proposed feeding A؛ N.maghsoodi, F.Tabandeh ...
  • S.O.Enfors and Haggstrom. ...
  • technology: Fundamentals and applications' Department of b iotechnology, Royal institute ...
  • C.T. Kelley , *Iterative methods for optimization _ Philadelphia, Pa., ...
  • L.Ljung. *Ssystem Identification, 2nd Edition? Prentice Hall, 1999. ...
  • N .Mastronardi, D.Kressner, V.sima, P.Van Dooren and S.Van Huffel.، 0A ...
  • O.Nelles, ،Nonlinear system identification from classical approachs to Neural Networks ...
  • V.Sima, _، Sub space-based algorithm for multivariable system identification' _ ...
  • The MathWorks Inc، Neural network Toolbox User's Guide' _ ...
  • M _ Verhaegen, «Subspace Model Identification. Part III: Analysis of ...
  • M _ Verhaegen, _، Identification Of deterministic part of MIMO ...
  • M.Verhaegen, R. Schneider, A. Reidel, V. Verdult, V. sima , ...
  • P.Van Overschee and B.De Moor.، Two subspace algorithm for identification ...
  • MIMO Identifying"؛ [14] D.Westwick, M.Verhagen, Wiener systems using subspace model ...
  • نمایش کامل مراجع