半监督高精度
在变分自编码器中引入物理单调性约束，并扩展至半监督学习，使发酵过程软传感器在标记数据有限时仍保持物理可行性与高预测精度。
Xinyue, Cheng · Zhenhua, Yu · 王冠 · 姜庆超 · 曹志兴
Engineering Applications of Artificial Intelligence 2024
通过在VAE损失函数中加入物理单调性约束，确保预测结果满足发酵过程的单调关系。
针对过程变量和质量变量采样频率不同的问题，模型扩展为半监督学习，从未标记数据中学习。
在青霉素发酵仿真与真实案例上验证，与五种方法相比，预测精度和泛化能力显著提升。