Predicting Fermentation Rates in Ale, Lager and Whisky
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recently there has been an increased interest in characterising the rates of alcoholic fermentations. Sigmoidal models have been used to predict changes such as the rate of density decline. In this study, three published sigmoidal models were assessed and fit to industrial fermentation data. The first is the four-parameter logistic model described in the ASBC Yeast-14 method. The second model is a nested form of the four-parameter logistic function, adding an extra parameter, creating the 5-parameter logistic equation., where an additional parameter was added to allow for asymmetry. The final model is a three-parameter logistic equation which describes the change in the Apparent Degree of Fermentation with time. The three models were compared by fitting them to industrial data from Australian and Canadian lagers, American and Scottish ales and Scotch Whisky fermentations. The model fits were then compared to one another with a technique developed by Akaike and a nested F-test. The Akaike information criterion compares the models and accounts for both the goodness of fit, and the number of parameters in the model. Finally, consideration was given to the establishment of prediction bands (that enclose the area that one can be 99% sure contains the true datapoints). Calculation of these bands was “challenging” but successful as the industrial fermentation data was heteroscedastic.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle