2026-09-14T06:24:43Zhttps://gredos.usal.es/oai/request

oai:gredos.usal.es:10366/217212025-06-05T12:40:28Zcom_10366_4386com_10366_4349com_10366_3946com_10366_3823col_10366_4389

Francisco Sutil, Mario Vega Cruz, Pastora Isabel Pérez Lancho, María Belén Sánchez Lázaro, Ángel Luis 2009-03-11 2009-10-08T11:13:48Z 2009-10-08T11:13:48Z 2002-03 Francisco Sutil, M., y Vega Cruz, P. I. (2002). "Modelado de un fermentador mediante redes neuronales, Informe técnico DPTOIA-IT-2002-005". Salamanca : Universidad de Salamanca. http://hdl.handle.net/10366/21721 http://hdl.handle.net/10366/21721 En este trabajo se han desarrollado algunos métodos avanzados para modelar un fermentadordedicado a la producción de levaduras. En primer lugar, se describe el proceso y su modelomatemático, explicando las razones que hacen necesario el uso de nuevas técnicas. En segundolugar, se utiliza una red neuronal en el espacio de estados (RNEE) para modelar el procesoglobalmente, dando buenos resultados para datos de validación típicos. Posteriormente se hautilizado otra técnica distinta consistente en considerar múltiples modelos lineales locales, en lacual se han estudiado dos métodos para identificar estos modelos lineales locales. En el primerose entrena una RNEE lineal para cada uno de los modelos locales, y en el segundo se linealiza elmodelo global obtenido mediante la RNEE alrededor de los puntos donde están colocados losmodelos locales. Ambos métodos dan buenos resultados, aunque el comportamiento delsegundo es mejor debido a la robustez del modelo RNEE global. In this work, some advanced methods have been developed to model a fermenter for baker syeast production. Firstly, the process and its mathematical model are described, explaining thereasons that make necessary the use of new techniques. Secondly, a state space neural network(SSNN) is used to model the process globally, giving good results for typical validation data.Then, a linear local modelling approach is presented, and two methods are considered toidentify this local models. The first one allows to train a linear SSNN for every local model, andthe second one allows to linearize the global model obtained with the SSNN around the pointswhere local models are placed. Both methods give good results, but the accuracy of the secondis better due to the robustness of the SSNN global model. 23 p. application/pdf Español spa Universidad de Salamanca (España). Departamento de Informática y Automática Attribution-NonCommercial-NoDerivs 3.0 Unported https://creativecommons.org/licenses/by-nc-nd/3.0/ info:eu-repo/semantics/openAccess Procesos biotecnológicos Fermentadores Fermenter Engineering models Biotechnological process Neural networks (Computer science) Modelos técnicos Redes neuronales (Informática) Modelado de un fermentador mediante redes neuronales info:eu-repo/semantics/report