Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: production of metals

Sortuj według:

Ogranicz wyniki do:

Eksploracja danych i uczenie maszynowe w aspektach pozyskiwania wiedzy o produkcji i przetwarzaniu metali na potrzeby Przemysłu 4.0

Regulski Krzysztof

Przegląd Odlewnictwa

2021

Vol. 71, nr 1-2

18--23

Metodyka automatycznego odkrywania wiedzy o procesach wytwarzania i przetwarzania metali obejmuje problemy związane z (1) akwizycją danych i integracją ich w aspekcie dalszej eksploracji, (2) doborem i adaptacją metod uczenia maszynowego – indukcji reguł, predykcji zmiennych ilościowych i jakościowych, (3) formalizacją wiedzy w odpowiednich reprezentacjach: regułowej, zbiorów rozmytych, zbiorów przybliżonych czy wreszcie logiki deskrypcyjnej oraz (4) integracją wiedzy w repozytoriach opisanych modelami semantycznymi czyli ontologiami. Autor przedstawił możliwość osiągnięcia równowagi pomiędzy wygodą użytkowania a precyzją w przypadku pozyskiwania wiedzy z małych zbiorów. Badania wykazały, że drzewa decyzyjne są wygodnym narzędziem odkrywania wiedzy i dobrze radzą sobie z problemami silnie nieliniowymi, a wprowadzenie dyskretyzacji poprawia ich działanie. Zastosowanie metod analizy skupień umożliwiło też wyciąganie bardziej ogólnych wniosków, przez co udowodniono tezę, że granulacja informacji pozwala znaleźć wzorce nawet w małych zbiorach danych. Opracowano w ramach badań procedurę postępowania w analizie małych zbiorów danych eksperymentalnych dla modeli multistage, multivariate & multivariable, co może w znacznym stopniu uprościć takie badania w przyszłości.

The methodology of automatic knowledge discovery about metal production and processing processes includes problems related to (1) data acquisition and integration in the aspect of further exploration, (2) selection and adaptation of machine learning methods – rule induction, quantitative and qualitative variable prediction, (3) formalization knowledge in appropriate representations: rule, fuzzy sets, rough sets and finally descriptive logic and (4) integration of knowledge in repositories described by semantic models or ontologies. The author presented the possibility of achieving a balance between ease of use and precision when acquiring knowledge from small collections. Research has shown that decision trees are a convenient tool for discovering knowledge and that they deal well with strongly non-linear problems, and the introduction of discretization improves their operation. The use of cluster analysis methods also made it possible to draw more general conclusions, which proved the thesis that granulation of information allows finding patterns even in small data sets. As part of the research, a procedure was developed for analyzing small experimental data sets for multistage, multivariate & multivariable models, which can greatly simplify such research in the future.