QC-Expert 
| Neuronová síť |
|
|
| < Předch. | Další > |
|---|
|
Neuronová síť (Artificial Neural Network, ANN, resp. NN) je výkonná metoda, která se používá k modelování vztahu mezi vícerozměrnou vstupní proměnnou x a vícerozměrnou výstupní proměnnou y. Inspirací pro neuronové sítě byla struktura mozkové tkáně vyšších živočichů, kde je neuron propojen tzv. synapsemi s několika jinými neurony. Umělou neuronovou síť lze obecně považovat za nelineární regresní model, který lze vyjádřit síťovou strukturou. Neuronové sítě řeší problémy a úkoly nejen v technologické praxi, ale také ve výzkumu, marketingových analýzách, Data Mining, KDD a podobně.
Neuronová síť - manuál ve formátu Pdf
Aplikace neuronových sítí v technologii a řízení kvality jsou značně široké. Zahrnují řízené zlepšování kvality, plánování kvality, vyhodnocení vlivů na kvalitu, analýzy risku, předpovídání vývoje technologických parametrů a parametrů jakosti. NN nabízí modelování a optimalizaci responsních povrchů, data mining, predikční modelování například za účelem minimalizace rizik, identifikaci negativních vlivů a podobně.
Principy učení neuronové sítě a následné použití naučené sítě pro predikci
Ukázky různých architektur neuronových sítí s různým počtem vrstev, neuronů vstupních a výstupních proměnných.
Matematické podrobnosti metody NN jsou v uživatelském manuálu.
Dialogová okna pro zadání a výpočet sítě.
Výstupy:
Typická vstupní data obsahují několik měřených veličin z jedné a druhé skupiny, například vstupní a výstupní, apod.
Řešení menšího problému - Model pro předpověď rizika výskytu poruch, problému, zmetku. 
Řešení rozsáhlého problému, s velkým množstvím dat a desítkami proměnných, modelování závislosti kvality produktu na parametrech suroviny a procesů. 
Grafické výstupy a regresní dignostika dat a modelu
Základní zobrazení sítě a diagnostika predikce.
Ukázka modelu responsního povrchu, výpočet rizika za různých podmínek, 3D-mapa. 
Tloušťka čar v neuronové síti indikuje intenzitu informačního toku, umožňuje tak diagnostiku jak vhodnosti určité sítěm tak i významnost jednotlivých vstupních proměnných.  Interaktivní graf umožňuje identifikovat problematická data až na úrovni jednotlivých měření.  |
|||||||||||||
| < Předch. | Další > |
|---|
Obsah objednávky