When large amounts of data are not

When large amounts of data are not available from the actual manufacturing process, simulated data can be substituted. Simulated data includes data prepared from statistical models (such as the normal distribution) and computational simulations (such as finite-element analysis methods). Networks trained using this type of data can be used to capture information from a process model and to replace the model equations. The trained network might then be used to estimate process parameters by conducting a grid search on the region of interest. There are advantages of using simulated data. First, simulated data can be noise-free. The random uncontrollable variation, which effects real process data, can be eliminated. Hence it should be easier to train the neural network with this data. Second, it is usually easier, cheaper and faster to train a network, and run an experiment, using simulated data. However, the simulated data may have a serious drawback, that is the statistical or computational models providing the data might not be a good fit to the real production process, which might lead to inaccurate results from the NN when operating with the real process data. As Table 1 shows, several researchers have combined simulated data with actual process data.

ผลลัพธ์ (ไทย) 1:

เมื่อไม่มีข้อมูลจำนวนมากจากกระบวนการผลิตจริง ข้อมูลจำลองสามารถใช้ทดแทน จำลองข้อมูลประกอบด้วยข้อมูลที่เตรียมจากแบบจำลองทางสถิติ (เช่นการแจกแจงปกติ) และการจำลองเชิงคำนวณ (เช่นวิธีการวิเคราะห์องค์ประกอบจำกัด) เครือข่ายที่ผ่านการฝึกอบรมการใช้ข้อมูลชนิดนี้สามารถใช้ เพื่อเก็บข้อมูลจากแบบจำลองกระบวนการ และ การเปลี่ยนรูปแบบสมการ เครือข่ายการฝึกอบรมอาจมีใช้การประมาณพารามิเตอร์กระบวนการ โดยการดำเนินการค้นหาตารางในภูมิภาคที่น่าสนใจแล้ว มีข้อดีของการใช้ข้อมูลจำลอง ข้อมูลแรก เลียนแบบเสียงฟรี การสุ่ม uncontrollable ผันแปร ซึ่งลักษณะข้อมูลของกระบวนการจริง สามารถตัดออก ดังนั้น มันควรจะง่ายต่อการฝึกอบรมเครือข่ายประสาทกับข้อมูลนี้ สอง มันจะปกติได้ง่ายกว่า ถูกกว่า และเร็วกว่า การฝึกอบรมเครือข่าย การทดลอง การใช้ข้อมูลจำลองการทำงาน อย่างไรก็ตาม ข้อมูลจำลองได้คืนเงินที่ร้ายแรง นั่นคือแบบจำลองทางสถิติ หรือคำนวณให้ข้อมูลอาจไม่ได้ดีพอดีกับกระบวนการผลิตจริง ซึ่งอาจนำไปสู่ผลลัพธ์ที่ไม่ถูกต้องจาก NN เมื่อทำงานกับข้อมูลกระบวนการจริง ตามตารางที่ 1 แสดง นักวิจัยต่าง ๆ ได้รวมข้อมูลจำลองข้อมูลกระบวนการที่เกิดขึ้นจริง

ผลลัพธ์ (ไทย) 2:

เมื่อข้อมูลจำนวนมากจะไม่สามารถใช้ได้จากกระบวนการผลิตที่เกิดขึ้นจริงจำลองข้อมูลที่สามารถใช้แทน ข้อมูลจำลองรวมถึงข้อมูลที่จัดทำขึ้นจากแบบจำลองทางสถิติ (เช่นการกระจายปกติ) และแบบจำลองทางคอมพิวเตอร์ (เช่นการวิเคราะห์องค์ประกอบ จำกัด วิธีการ) เครือข่ายการฝึกอบรมการใช้ประเภทของข้อมูลนี้สามารถใช้ในการเก็บข้อมูลจากแบบจำลองกระบวนการและจะเปลี่ยนรูปแบบสมการ เครือข่ายการฝึกอบรมแล้วอาจจะมีการใช้ในการประมาณค่าพารามิเตอร์กระบวนการดำเนินการค้นหาตารางในภูมิภาคท​​ี่น่าสนใจที่ มีข้อดีของการใช้ข้อมูลจำลองเป็น ครั้งแรกข้อมูลสามารถจำลองเสียงฟรี รูปแบบที่ไม่สามารถควบคุมแบบสุ่มซึ่งมีผลต่อการประมวลผลข้อมูลที่แท้จริงก็จะถูกกำจัด ดังนั้นมันควรจะง่ายในการฝึกอบรมเครือข่ายประสาทกับข้อมูลนี้ ประการที่สองก็มักจะง่ายราคาถูกและเร็วขึ้นในการฝึกอบรมเครือข่ายและเรียกใช้การทดสอบโดยใช้ข้อมูลจำลอง อย่างไรก็ตามข้อมูลจำลองอาจมีอุปสรรคที่ร้ายแรงที่เป็นแบบจำลองทางสถิติหรือการคำนวณการให้ข้อมูลอาจจะไม่เป็นแบบที่ดีในการกระบวนการผลิตจริงซึ่งอาจนำไปสู่​​ผลที่ไม่ถูกต้องจาก NN เมื่อใช้งานกับการประมวลผลข้อมูลที่แท้จริง ในฐานะที่เป็นตารางที่ 1 แสดงให้เห็นว่านักวิจัยหลายแห่งมีการรวมข้อมูลจำลองกับข้อมูลกระบวนการจริง

ผลลัพธ์ (ไทย) 3:

เมื่อจำนวนมากของข้อมูลไม่สามารถใช้ได้จากกระบวนการผลิตจริง ข้อมูลนี้สามารถใช้แทน ข้อมูลนี้รวมถึงข้อมูลที่เตรียมจากแบบจำลองทางสถิติ ( เช่นการแจกแจงแบบปกติและแบบจําลองคอมพิวเตอร์ ( เช่นวิธีการวิเคราะห์ finite-element )เครือข่ายการฝึกอบรมการใช้ชนิดข้อมูลนี้สามารถใช้เพื่อเก็บ ข้อมูลจากกระบวนการรูปแบบและแทนที่สมการนี้ เครือข่ายการฝึกอบรมอาจถูกใช้เพื่อประมาณค่าพารามิเตอร์ของกระบวนการโดยการค้นหาตารางในภูมิภาคที่น่าสนใจ มีข้อดีของการใช้ข้อมูลจำลอง แรก , ข้อมูลนี้สามารถเสียงฟรี การแปรเปลี่ยนแบบสุ่มซึ่งผลการประมวลผลข้อมูลที่แท้จริง สามารถกำจัด ดังนั้นมันควรจะง่ายต่อการฝึกเครือข่ายประสาทกับข้อมูลนี้ ประการที่สอง มันมักจะง่ายกว่า เร็วกว่า และถูกกว่ารถไฟเครือข่าย และทำการทดลอง โดยใช้ข้อมูลจำลอง อย่างไรก็ตาม จําลองข้อมูลอาจมีอุปสรรค์ที่ร้ายแรงที่เป็นสถิติหรือคอมพิวเตอร์รูปแบบการให้ข้อมูล อาจไม่เหมาะกับกระบวนการผลิตจริง ซึ่งอาจจะนำไปสู่ผลลัพธ์ที่ไม่ถูกต้องจาก nn เมื่อใช้งานกับข้อมูลกระบวนการจริง เป็นตารางที่ 1 แสดง นักวิจัยหลายคนได้รวมค่าข้อมูล
กระบวนการที่เกิดขึ้นจริง