This HTML5 document contains 47 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dctermshttp://purl.org/dc/terms/
n10http://localhost/temp/predkladatel/
n7http://linked.opendata.cz/resource/domain/vavai/riv/tvurce/
n14http://linked.opendata.cz/ontology/domain/vavai/
n17http://linked.opendata.cz/resource/domain/vavai/zamer/
shttp://schema.org/
skoshttp://www.w3.org/2004/02/skos/core#
n3http://linked.opendata.cz/ontology/domain/vavai/riv/
n18http://linked.opendata.cz/resource/domain/vavai/vysledek/RIV%2F60461373%3A22340%2F04%3A00014430%21RIV06-MSM-22340___/
n2http://linked.opendata.cz/resource/domain/vavai/vysledek/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n6http://linked.opendata.cz/ontology/domain/vavai/riv/klicoveSlovo/
n4http://linked.opendata.cz/ontology/domain/vavai/riv/duvernostUdaju/
xsdhhttp://www.w3.org/2001/XMLSchema#
n11http://linked.opendata.cz/ontology/domain/vavai/riv/jazykVysledku/
n8http://linked.opendata.cz/ontology/domain/vavai/riv/aktivita/
n16http://linked.opendata.cz/ontology/domain/vavai/riv/druhVysledku/
n13http://linked.opendata.cz/ontology/domain/vavai/riv/obor/
n12http://reference.data.gov.uk/id/gregorian-year/

Statements

Subject Item
n2:RIV%2F60461373%3A22340%2F04%3A00014430%21RIV06-MSM-22340___
rdf:type
n14:Vysledek skos:Concept
dcterms:description
This paper presents the comparison of two approaches based on artificial intelligence techniques solving the task of on-line recognition of metabolic state of baker's yeast culture in a fed-batch cultivation. The first approach is represented by a knowledge-based system containing expert knowledge in the form of production rules. The other approach is based on the application of the fuzzy neural network paradigm enabling the automatic extraction of the recognition rules from experimental data. Performance of both approaches is discussed using results obtained from tests on experimental data from a laboratory cultivation unit. Tento příspěvek podává porovnání dvou technik na bázi umělé inteligence pro řešení problému on-line rozpoznávání metabolického stavu pekařského droždí během přítokovaných kultivací. První přístup je reprezentován znalostním systémem obsahujícím expertní znalosti v podobě produkčních pravidel. Druhý přístup je založen na aplikaci fuzzy-neuronové sítě, která získává detekční pravidla automatizovaným učením přímo z experimentálních dat. Vlastnosti obou srovnávaných technik jsou analyzovány na základě testů na experimentálních datech z laboratorní kultivační stanice. This paper presents the comparison of two approaches based on artificial intelligence techniques solving the task of on-line recognition of metabolic state of baker's yeast culture in a fed-batch cultivation. The first approach is represented by a knowledge-based system containing expert knowledge in the form of production rules. The other approach is based on the application of the fuzzy neural network paradigm enabling the automatic extraction of the recognition rules from experimental data. Performance of both approaches is discussed using results obtained from tests on experimental data from a laboratory cultivation unit.
dcterms:title
On-line estimation of biomass concentration by neural network using information about metabolic state On-line estimation of biomass concentration by neural network using information about metabolic state Odhadování koncentrace biomasy pomocí neuronové sítě s využitím informací o metabolickém stavu kultury v režimu on-line
skos:prefLabel
On-line estimation of biomass concentration by neural network using information about metabolic state On-line estimation of biomass concentration by neural network using information about metabolic state Odhadování koncentrace biomasy pomocí neuronové sítě s využitím informací o metabolickém stavu kultury v režimu on-line
skos:notation
RIV/60461373:22340/04:00014430!RIV06-MSM-22340___
n3:strany
9-15
n3:aktivita
n8:Z
n3:aktivity
Z(MSM6046137306)
n3:cisloPeriodika
1
n3:dodaniDat
n12:2006
n3:domaciTvurceVysledku
n7:1848704 n7:5786002 n7:5814480
n3:druhVysledku
n16:J
n3:duvernostUdaju
n4:S
n3:entitaPredkladatele
n18:predkladatel
n3:idSjednocenehoVysledku
577983
n3:idVysledku
RIV/60461373:22340/04:00014430
n3:jazykVysledku
n11:eng
n3:klicovaSlova
Fermentation processes; Fuzzy systems; Neural networks; Recognition; Rule-based systems
n3:klicoveSlovo
n6:Rule-based%20systems n6:Fermentation%20processes n6:Neural%20networks n6:Recognition n6:Fuzzy%20systems
n3:kodStatuVydavatele
DE - Spolková republika Německo
n3:kontrolniKodProRIV
[AE2BAC9B6B2A]
n3:nazevZdroje
Bioprocess and Biosystems Engineering
n3:obor
n13:EI
n3:pocetDomacichTvurcuVysledku
3
n3:pocetTvurcuVysledku
4
n3:rokUplatneniVysledku
n12:2004
n3:tvurceVysledku
Hrnčiřík, Pavel Vaněk, Martin Náhlík, Jan Vovsík, Jaroslav
n3:zamer
n17:MSM6046137306
s:issn
1615-7591
s:numberOfPages
7
n10:organizacniJednotka
22340