The paper describes various neural network models designed for automatic conclusion making software in the PSW [8], [4] system. It presents abilities of neural network configuration for choosing the optimal parameters to process the PSW-registered data. The paper also contains the description of artificial data making algorithms, that allow to overcome the problem of insufficient data records describing particular pathologies.
PL
Praca zawiera opis modeli sieci neuronowych wykonanych dla modułu automatycznego wspomagania diagnozy w systemie PSW (Parotec System for Windows). Przedstawione zostały możliwości konfiguracji i doboru parametrów poszczególnych sieci dla określenia wartości optymalnych dla przetwarzania danych generowanych przez system pomiarowy PSW. Przedstawiona została również metoda sztucznej generacji nowych danych pozwalająca na eksperymentalne dobieranie parametrów sieci w warunkach niedoboru ilości danych pomiarowych.
The paper describes experiments done with the automatic diagnosis module for the PSW System. The experiments have been done in spite of insufficient data records used for learning the neural network. Taking advantage of the artificial data making data making system there was possible to examine some neural network models: Back-Propagation, ART and Counter-Propagation. The paper presents analysis of obtained results and compares efficiency of the neural network algorithms.
PL
Praca prezentuje opis eksperymentów wykonanych przy wykorzystaniu modułu automatycznego wspomagania diagnozy dla systemu PSW (Parotec System for Windows). Eksperymenty zostały wykonane w warunkach niedoboru ilości danych uczących sieć neuronową, stanowiącą trzon całości systemu wnioskowania. Korzystając z metody sztucznej generacji nowych danych pomiarowych na bazie danych rzeczywistych zakłócanych zbiorem wybranych funkcji przetestowano użyteczność dla systemu PSW trzech różnych konfiguracji sieci neuronowej: Back-Propagation, Counter-Propagation oraz ART. Przedstawiona została analiza uzyskanych wyników obejmująca m.in. porównanie efektywności badanych algorytmów oraz zaproponowany został kierunek dalszych badań.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.