Przewidywanie właściwości bezwęzłowych końców nitek za pomocą wielokrotnej regresji i sztucznych sieci neuronowych. Cz. II. Weryfikacja modeli regresji
Research and development
Autorzy:
- Lewandowski Stanisław
Institute of Textile Engineering and Polymer Materials, University of Bielsko-Biala, Bielsko-Biała, Poland - Drobina Robert (j/w)
 Pełen tekst (ang.) | Abstrakt: Zastosowanie środowiska oprogramowania Statistica + Sztuczne Sieci Neuronowe pozwoliło na wykorzystanie sztucznych sieci neuronowych realizujących zadania regresyjne, do przewidywania właściwości fizycznych bezwęzłowych połączeń końców nitek. Bazę danych wprowadzonych do sieci zbudowano na podstawie wyznaczenia charakterystycznych wymiarów geometrycznych i właściwości wytrzymałościowych połączeń, oraz oszacowania cech nieaddytywnych, reprezentowanych przez splątanie i zmechacenie. Posłużono się sieciami typu perceptron wielowarstwowy MLP oraz sieciami neuronowymi realizującymi regresję uogólnioną GRNN. W celach porównawczych dokonano również predykcji właściwości omawianych połączeń przy użyciu regresji wielokrotnej. |
Tagi: layer diagrams, surface diagrams, learning quality, validation quality, testing quality, learning error, validation error, testing error, correlation.