Production of high strenght steel a

Production of high strenght steel alloys is of big importance for the modern methalurgy. The main aim is to obtain high quality materials reducing quantitiy of used expensive compounds. Thus the production of steel alloys starts with optimization of number and content of used alloying components that improve their quality at reasonable price. Since the dependences between input and output variables in that case are strongly nonlinear, application of nonlinear modelling and optimization techniques must be applied.
The fact that neural networks are universal approximations of complex nonlinear dependences that apply “black-box” modeling approach [1, 3, 12] is well known. Therefore, they are proper candidates for modeling structure of such MIMO models. Another useful characteristic of neural networks are their training procedures that are in fact optimization algorithms aimed at minimization of error at neural network output with respect to network connection weights [12, 14]. The well-known backpropagation algorithm is procedure for propagating of derivatives of given function of network output backwards to the input [14]. Thus neural network training

ผลลัพธ์ (ไทย) 1:

ผลิตสูง strenght เหล็กโลหะผสมเป็นของบิ๊ก methalurgy ทันสมัย จุดมุ่งหมายหลักคือการลด quantitiy สารแพงใช้วัสดุคุณภาพสูง ดังนั้น การผลิตโลหะผสมเหล็กเริ่มปรับจำนวนและเนื้อหาประกอบใช้ลเท่านั้นที่ปรับปรุงคุณภาพของพวกเขาในราคาที่เหมาะสม เนื่องจาก dependences ระหว่างตัวแปรอินพุท และเอาท์พุทในกรณีขอไม่เชิงเส้น การประยุกต์เทคนิคการเพิ่มประสิทธิภาพและการสร้างแบบจำลองไม่เชิงเส้นต้องถูกประยุกต์ใช้ความจริงที่ว่า เครือข่ายประสาทเป็นเพียงการประมาณสากลของ dependences ไม่เชิงเส้นซับซ้อนที่ใช้วิธีการสร้างโมเดล "กล่องดำ" [1, 3, 12] เป็นที่รู้จัก ดังนั้น พวกเขาเป็นผู้สมัครที่เหมาะสมสำหรับการสร้างโมเดลโครงสร้างเช่นรุ่น MIMO ลักษณะอื่นประโยชน์ของเครือข่ายประสาทมีขั้นตอนการฝึกอบรมที่มีอัลกอริทึมเพิ่มประสิทธิภาพเพื่อลดภาระของข้อผิดพลาดที่แสดงผลโครงข่ายประสาทเกี่ยวกับน้ำหนักการเชื่อมต่อเครือข่าย [12, 14] ในความเป็นจริง อัลกอริทึม backpropagation รู้จักกันดีคือ ขั้นตอนการเผยแพร่ของอนุพันธ์ของให้ฟังก์ชันเครือข่ายผลลัพธ์ย้อนหลังป้อน [14] ฝึกอบรมเครือข่ายประสาทดังนั้น

ผลลัพธ์ (ไทย) 2:

การผลิตสูงโลหะผสมเหล็กความแข็งแรงมีความสำคัญที่ยิ่งใหญ่สำหรับ methalurgy ทันสมัย จุดมุ่งหมายหลักคือการได้รับวัสดุที่มีคุณภาพสูงลด quantitiy ของสารที่ใช้มีราคาแพง ดังนั้นการผลิตของโลหะผสมเหล็กเริ่มต้นด้วยการเพิ่มประสิทธิภาพของจำนวนและปริมาณของชิ้นส่วนที่ใช้ในการผสมที่ปรับปรุงคุณภาพของพวกเขาในราคาที่เหมาะสม ตั้งแต่ dependences ระหว่างการป้อนข้อมูลและตัวแปรการส่งออกในกรณีที่มีการขอเชิงประยุกต์ใช้ในการสร้างแบบจำลองเชิงเส้นและเทคนิคการเพิ่มประสิทธิภาพต้องใช้.
ความจริงที่ว่าเครือข่ายประสาทมีประมาณสากลของ dependences ไม่เชิงเส้นที่ซับซ้อนที่ใช้ "กล่องดำ" วิธีการสร้างแบบจำลอง [1, 3 12] เป็นที่รู้จักกันดี ดังนั้นพวกเขามีผู้สมัครที่เหมาะสมสำหรับการสร้างแบบจำลองโครงสร้างของรูปแบบ MIMO ดังกล่าว อีกลักษณะการใช้งานของเครือข่ายประสาทขั้นตอนการฝึกอบรมของพวกเขาที่ในความเป็นจริงขั้นตอนวิธีการเพิ่มประสิทธิภาพการมุ่งเป้าไปที่การลดความผิดพลาดในการส่งออกเครือข่ายประสาทที่เกี่ยวกับการเชื่อมต่อเครือข่ายน้ำหนัก [12, 14] ขั้นตอนวิธีการแพร่กระจายย้อนกลับที่รู้จักกันดีเป็นขั้นตอนสำหรับการขยายพันธุ์ของอนุพันธ์ของฟังก์ชั่นของการส่งออกที่ได้รับเครือข่ายข้างหลังเพื่อป้อนข้อมูล [14] ดังนั้นการฝึกอบรมเครือข่ายประสาท

ผลลัพธ์ (ไทย) 3:

การผลิตโลหะผสมเหล็กกล้าความแข็งแกร่งสูงเป็นสำคัญใหญ่สำหรับ methalurgy สมัยใหม่ จุดประสงค์หลักคือเพื่อให้ได้วัสดุคุณภาพสูง ลดปริมาณการใช้สารราคาแพง ดังนั้น การผลิตเหล็กกล้าโลหะผสมเริ่มต้นด้วยการเพิ่มประสิทธิภาพของจำนวนและปริมาณของธาตุผสมส่วนประกอบที่ใช้ปรับปรุงคุณภาพของพวกเขาในราคาที่เหมาะสมตั้งแต่ dependences ระหว่างอินพุตเอาต์พุตและตัวแปรในที่กรณีขอโปรแกรมไม่เชิงเส้นเชิงเส้น แบบจำลองและเทคนิคที่เหมาะสมต้องใช้
ความจริงว่าโครงข่ายประสาทเทียมเป็นสากลการไม่เชิงเส้น dependences ซับซ้อนที่ใช้ " กล่อง " สีดำแบบจำลอง [ 1 , 3 , 12 ] เป็นที่รู้กันดี ดังนั้นเขาเป็นผู้สมัครที่เหมาะสมสำหรับการจำลองรูปแบบโครงสร้างของอุปกรณ์ดังกล่าว ลักษณะที่เป็นประโยชน์ของโครงข่ายประสาทเทียมเป็นขั้นตอนของการฝึกอบรมของพวกเขาที่ในความเป็นจริงการเพิ่มประสิทธิภาพกลไกเพื่อลดความคลาดเคลื่อนที่ออกเครือข่ายประสาทเกี่ยวกับน้ำหนักการเชื่อมต่อเครือข่าย [ 12 , 14 )ขั้นตอนวิธีแบบที่รู้จักกันดีเป็นขั้นตอนสำหรับการขยายพันธุ์ของอนุพันธ์ของฟังก์ชันของผลผลิตให้เครือข่ายถอยหลังเพื่อป้อนข้อมูล [ 14 ] ดังนั้นการฝึกอบรมเครือข่ายประสาท