Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Fibres & Textiles in Eastern Europe

1 2015

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: przewidywanie zużycia nici

Sortuj według:

Ogranicz wyniki do:

Evaluation of Sewed Thread Consumption of Jean Trousers Using Neural Network and Regression Methods

Jaouachi B., Khedher F.

Fibres & Textiles in Eastern Europe

2015

Vol. 23, no. 3 (111)

91--96

This paper deals with the prediction of the sewing thread consumption of jean trousers using the neural network technique. The neural network results and analysis are discussed and investigated. Indeed the findings show that neural network consumption values give better fitting of experimental results than the ones obtained using regression technique. However, compared to the experimental consumption results, theoretical ones of the sewn jean pants seem widely predictable in the desired field of interest. Among the all parameters studied, statistical analysis results also indicate that five inputs can be considered as influential ones. When classifying these five influential inputs, only three parameters are considered most significant. In fact the thread consumed to sew jean trouser samples remains influenced especially by the thread properties and needle fineness as well. Compared with the regression model, the neural network model gives a more accurate prediction and to a great extent provides the amount of sewing thread.

Praca dotyczy przewidywania zużycia nici szewnych przy szyciu spodni dżinsowych stosując technikę sztucznych sieci neuronowych. Badania wykazują , że wyniki zapotrzebowania nici uzyskane za pomocą sztucznych sieci neuronowych są bardziej zgodne z eksperymentami niż te uzyskane techniką regresji. Przeprowadzając kolejne analizy, określono najbardziej racjonalną strukturę sztucznych sieci neuronowych z pięcioma wejściami i trzema parametrami mającymi najbardziej istotny wpływ na zużycie. Stwierdzono, że zależy ono głównie od właściwości nitki i rodzaju igły. Porównując wyniki otrzymane z zastosowania sztucznych sieci neuronowych z wynikami otrzymanymi za pomocą metody regresji stwierdzono, że pierwsza metoda daje lepsze wyniki.