Zastosowanie odpornej metody uczenia sieci neuronowych w metamodelowaniu procesów plastycznej przeróbki metali

• Autorzy: Stanisławczyk A. , Kusiak J.

Warianty tytułu

EN

The use of robust neural networks training method in metamodelling of metal forming processes

• Konferencja: The International Scientific Conference on the Plasticity of Materials (XVI, 2009, Zakopane, Poland)
• Języki publikacji: PL

Abstrakty

PL

Celem metamodelowania jest zastąpienie czasochłonnych symulacji szybką strukturą zwaną metamodelem. Metamodel budowany jest na podstawie wyników serii symulacji dla różnych wartości parametrów procesu. Następnie może on posłużyć do szybkiego przewidywania wyniku, dla innych parametrów wejściowych, bez konieczności wykonywania czasochłonnych symulacji. Zastosowanie metamodelowania przynosi znaczne korzyści, np. w optymalizacji procesu. W pracy przedstawiono ideę odpornego metamodelowania z wykorzystaniem sztucznych sieci neuronowych, mającą zastosowanie tam, gdzie mogą wystąpić błędne wyniki symulacji.

EN

The aim of metamodelling is the replacement of time-consuming simulations of the process by the fast structure called metamodel. Metamodel is constructed on the basis of the series of simulations for the various values of the process parameters. After building the metamodel, it can be used to fast prediction of the simulation results, for different sets of process input parameters, without doing time-consuming simulations. It is an important advantage in process optimization. Paper presents the idea of the robust neural network metamodelling, which may be used in situations, where uncertain results are possible.

Słowa kluczowe

PL

sztuczne sieci neuronowe; statystyka odpornościowa; metamodelowanie

EN

artificial neural networks; robust statistics; metamodelling

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Hutnik, Wiadomości Hutnicze
• Rocznik: 2009
• Tom: Vol. 76, nr 8
• Strony: 661--663
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Stanisławczyk A.

autor

Kusiak J.

• Akademia Górniczo-Hutnicza, Wydział Inżynierii Metali i Informatyki Przemysłowej, Katedra Informatyki Stosowanej i Modelowania; al. Mickiewicza 30, 30-059 Kraków,

Bibliografia

• 1. Stanisławczyk A., Rauch Ł., Kusiak J.: Współczesne kierunki badań w zakresie optymalizacji złożonych procesów metalurgicznych. Hutnik-Wiadomości Hutnicze. t. 75, 2008, nr 4, s. 155÷159
• 2. Kopernik M., Stanisławczyk A., Szeliga D.: Problems of material models for hard nanocoatings. Mat. 17th International Conference on Computer Methods in Mechanics, Spała, 2007, s. 38
• 3. Maronna R., Martin D., Yohai V.: Robust Statistics: Theory and Methods. Wiley, 2006
• 4. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza: Warszawa, 1993
• 5. Stanisławczyk A., Kusiak J., Kuziak R., Pietrzyk M.: Testowy system optymalizacji cyklu produkcji w przeróbce plastycznej. Mat. XV konferencji KomPlasTech 2008, Korbielów, 2008, s. 185÷192
• 6. Foresee D. F., Hagan M. T.: Gauss-Newton approximation to Bayesian learning. Neural Networks, vol. 3, 1997, s. 1930÷1935