Bücher von John Kabuba

L'application des réseaux neuronaux a été considérée comme un outil prometteur pour l'analyse du processus d'échange d'ions en raison de leur simplicité en ce qui concerne la simulation, la prédiction et la modélisation. Ce processus est complexe, non linéaire et implique de nombreux facteurs influençant les mécanismes d'absorption des ions à partir de la solution enceinte, l'étape suivante étant l'élution. Afin d'améliorer les performances du processus d'échange d'ions, il convient d'optimiser et d'analyser le processus. La majorité des modèles basés sur le processus d'échange d'ions sont théoriques. La modélisation et la simulation sont des outils permettant d'atteindre les objectifs. La plupart de ces modèles sont dérivés de descriptions physiques et d'une compréhension du processus d'échange d'ions sous certaines hypothèses. Cependant, comme mentionné ci-dessus, ils sont mathématiquement complexes, coûteux en termes de calcul et nécessitent idéalement une connaissance très détaillée du processus d'échange d'ions lui-même. Il est donc nécessaire de trouver un autre moyen de prédire les performances du processus, ce qui a amené les chercheurs à s'intéresser à l'application des techniques de réseaux neuronaux.

Die Anwendung neuronaler Netze wird als vielversprechendes Werkzeug für die Analyse von Ionenaustauschprozessen angesehen, da sie einfach zu simulieren, vorherzusagen und zu modellieren sind. Dieser Prozess ist komplex, nicht linear und beinhaltet viele Faktoren, die die Mechanismen der Ionenaufnahme aus der schwangeren Lösung beeinflussen, wobei der nächste Schritt die Elution ist. Um die Leistung des Ionenaustauschprozesses zu verbessern, sollte eine Optimierung und Analyse des Prozesses durchgeführt werden. Die meisten Modelle, die sich auf den Ionenaustauschprozess stützen, sind theoretisch. Modellierung und Simulation sind Werkzeuge, um die Ziele zu erreichen. Die meisten dieser Modelle werden aus physikalischen Beschreibungen und einem Verständnis des Ionenaustauschprozesses unter bestimmten Annahmen abgeleitet. Wie bereits erwähnt, sind sie jedoch mathematisch komplex, rechenintensiv und erfordern im Idealfall eine sehr detaillierte Kenntnis des Ionenaustauschprozesses selbst. Daher besteht die Notwendigkeit, ein alternatives Mittel zur Vorhersage der Prozessleistung zu finden, was das Interesse der Forscher an der Anwendung neuronaler Netzwerktechniken geweckt hat.

para el análisis del proceso de intercambio iónico debido a su simplicidad con respecto a la simulación, predicción y modelización. Este proceso es complejo, no lineal e implica muchos factores que influyen en los mecanismos de captación de iones de la solución preñada, siendo el paso posterior la elución. Para mejorar el rendimiento del proceso de intercambio iónico, es necesario optimizarlo y analizarlo. La mayoría de los modelos basados en el proceso de intercambio iónico son teóricos. La modelización y la simulación son herramientas para alcanzar los objetivos. La mayoría de estos modelos se derivan de descripciones físicas y de una comprensión del proceso de intercambio iónico bajo ciertos supuestos. Sin embargo, como ya se ha mencionado, son matemáticamente complejos, computacionalmente caros e idealmente requieren un conocimiento muy detallado del propio proceso de intercambio iónico. Por lo tanto, es necesario encontrar un medio alternativo para predecir el rendimiento del proceso, lo que ha llevado a los investigadores a interesarse por la aplicación de técnicas de redes neuronales.

A aplicação de redes neuronais tem sido considerada uma ferramenta promissora para a análise do processo de permuta iónica devido à sua simplicidade no que diz respeito à simulação, previsão e modelização. Este processo é complexo, não linear e envolve muitos factores que influenciam os mecanismos de absorção dos iões a partir da solução grávida, sendo a etapa subsequente a eluição. A fim de melhorar o desempenho do processo de permuta iónica, é necessário otimizar e analisar o processo. A maioria dos modelos baseados no processo de permuta iónica são teóricos. A modelização e a simulação são ferramentas para atingir os objectivos. A maioria destes modelos é derivada de descrições físicas e de uma compreensão do processo de permuta iónica com base em determinados pressupostos. No entanto, como já foi referido, são matematicamente complexos, computacionalmente dispendiosos e, idealmente, exigem um conhecimento muito pormenorizado do próprio processo de permuta iónica. Por conseguinte, é necessário encontrar um meio alternativo para prever o desempenho do processo, o que levou os investigadores a interessarem-se pela aplicação de técnicas de redes neuronais.

L'applicazione delle reti neurali è stata considerata uno strumento promettente per l'analisi del processo di scambio ionico, grazie alla loro semplicità di simulazione, previsione e modellazione. Questo processo è complesso, non lineare e coinvolge molti fattori che influenzano i meccanismi di assorbimento degli ioni dalla soluzione pregnante; la fase successiva è l'eluizione. Per migliorare le prestazioni del processo di scambio ionico, è necessario ottimizzare e analizzare il processo. La maggior parte dei modelli basati sul processo di scambio ionico sono teorici. La modellazione e la simulazione sono strumenti per raggiungere gli obiettivi. La maggior parte di questi modelli deriva da descrizioni fisiche e dalla comprensione del processo di scambio ionico in base a determinate ipotesi. Tuttavia, come già detto, sono matematicamente complessi, costosi dal punto di vista computazionale e idealmente richiedono una conoscenza molto dettagliata del processo di scambio ionico stesso. Pertanto, è necessario trovare un mezzo alternativo per prevedere le prestazioni del processo, il che ha portato all'interesse dei ricercatori per l'applicazione delle tecniche di rete neurale.

The application of Neural Network has been considered as promising tool for the analysis of ion-exchange process because of their simplicity with respect to simulation, prediction and modelling. This process is complex, non-linear and involves many factors influencing the ions¿ uptake mechanisms from the pregnant solution, the subsequent step being the elution. In order to improve the performance of the ion-exchange process, optimization and analysis of the process should be accomplished. The majority of models based on the ion-exchange process are theoretical. Modelling and simulation are tools to achieve the objectives. Most of these models are derived from physical descriptions and an understanding of the ion-exchange process under certain assumptions. However, as mentioned above, they are mathematically complex, computationally expensive and they ideally require a very detailed knowledge of the ion-exchange process itself. Therefore, there is a need to find an alternative means for predicting process performance which has led to the interest by researchers in applying Neural Network techniques.