在Pichia pastoris发酵中基于Adam-FCNN倒置的软感知方法的研究
Bo Wang1, Wenyu Ma1, Hui Jiang1
1School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
这项研究引入了一种新的软传感方法,使用一个用于Pichia pastoris发酵的Adam-Fully Connected神经网络逆向. 该方法提高了复杂生物过程中关键生物参数的实时预测准确性.
科学领域:
- 生物技术是生物技术.
- 工艺工程是过程工程.
- 计算生物学 计算生物学
背景情况:
- 由于非线性动态合,Pichia pastoris发酵在建模和优化方面存在挑战.
- 关键生物参数的实时测量很困难,阻碍了过程控制.
研究的目的:
- 开发一种有效的软传感方法,用于准确预测Pichia pastoris发酵中的生物参数.
- 解决生物过程中的非线性和测量困难.
主要方法:
- 构建了一个非决定性机制模型来描述动态合.
- 利用一个完全连接的神经网络 (FCNN) 与一个Adam优化器来识别一个反向扩展模型.
- 实现了适应性学习率优化算法,以实现FCNN的融合.
- 通过将反向模型与原始系统连接,形成一个复合的伪线性系统.
主要成果:
- 实现了复杂的发酵系统的脱.
- 证明了关键生物参数的高精度预测.
- 与传统模型相比,大大减少了预测错误.
- 预测模型的增强概括能力.
结论:
- 拟议的Adam-FCNN反向软传感方法对于复杂的生物过程是有效的.
- 该方法成功地解决了非线性动态合和测量挑战.
- 在Pichia pastoris发酵中验证的有效性,以改善过程的理解和控制.


