Machine Learning and Hybrid Modelling for Reaction Engineering: Theory and Applications
Au cours de la dernière décennie, on a assisté à une évolution significative de la modélisation mécaniste et empirique traditionnelle vers une modélisation statistique et basée sur les données pour les applications en ingénierie des réactions.
En particulier, l'intégration de l'apprentissage automatique et des modèles de premier principe a démontré un potentiel et un succès significatifs dans la découverte de la cinétique (bio)chimique, la prédiction et l'optimisation des réactions complexes, et l'augmentation de l'échelle des réacteurs industriels. Résumant les dernières recherches et illustrant les frontières actuelles des applications de la modélisation hybride pour l'ingénierie des réactions chimiques et biochimiques, Machine Learning and Hybrid Modelling for Reaction Engineering comble une lacune dans le développement méthodologique des modèles hybrides.
Avec une explication systématique de la théorie fondamentale de la construction de modèles hybrides, de l'estimation des paramètres variables dans le temps, de l'identification de la structure du modèle et de l'analyse de l'incertitude, ce livre est une excellente ressource pour les ingénieurs chimistes qui cherchent à utiliser les dernières techniques de calcul dans leur recherche et pour les chimistes computationnels qui souhaitent trouver de nouvelles applications à leur travail.
| ISBN : | 9781839165634 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
Actuellement disponible, en stock.
