Raw process data may also be used f

Raw process data may also be used for training. Many manufacturing companies already have available both process parameter data and quality inspection/product test data in their database. In order to use them for NN training, it must be possible to relate the two for an individual product—in other words, product traceability is required. This is frequently the case, for example in the aerospace and silicon wafer industries. However these data were usually collected as quality control records rather than for use in process modelling, and hence the process parameters set might not cover the full range possible, and might not include the optimum conditions. Also, the data collection and storage may not be tightly controlled and this will result in data integrity problems. However, such historical data reflect real process conditions and if they are available, no further data collection cost will occur. If large amounts of raw data are available, using all of it might be unnecessary and time consuming. Random selection of the required training and testing sets from the available data can be employed but it is important that the selected data cover the entire population of interest evenly. Inference tests can be use to ensure that the statistics of the samples used for training and testing are the same as the entire population. On the other hand if the available data are too sparse, resampling from a limited data set could be performed. It may, however, be undesirable to use all of the data available, for example because some reflects abnormal or outdated process conditions. In such cases, data blocking may be used to achieve specific training requirements, or to eliminate particular process behaviours for which it is not desired to train the network.

ผลลัพธ์ (ไทย) 2:

ประมวลผลข้อมูลดิบอาจจะใช้สำหรับการฝึกอบรม บริษัท ผู้ผลิตจำนวนมากได้มีทั้งการประมวลผลข้อมูลพารามิเตอร์และการตรวจสอบคุณภาพสินค้า / ทดสอบข้อมูลในฐานข้อมูลของ เพื่อที่จะใช้พวกเขาสำหรับการฝึกอบรม NN มันจะต้องเป็นไปได้ที่จะมีความสัมพันธ์ทั้งสองสำหรับบุคคลผลิตภัณฑ์ในคำอื่น ๆ ที่ตรวจสอบย้อนกลับสินค้าที่จำเป็นต้องใช้ นี้เป็นบ่อยกรณีตัวอย่างในการบินและอวกาศและซิลิคอนเวเฟอร์อุตสาหกรรม อย่างไรก็ตามข้อมูลเหล่านี้มักจะถูกเก็บบันทึกการควบคุมคุณภาพมากกว่าเพื่อใช้ในการสร้างแบบจำลองกระบวนการและด้วยเหตุนี้กระบวนการตั้งค่าพารามิเตอร์ที่อาจจะไม่ครอบคลุมเต็มรูปแบบที่เป็นไปได้และอาจจะไม่รวมถึงสภาวะที่เหมาะสม นอกจากนี้การเก็บรวบรวมข้อมูลและการจัดเก็บอาจไม่ได้รับการควบคุมอย่างแน่นหนาและจะส่งผลให้เกิดปัญหาความสมบูรณ์ของข้อมูล อย่างไรก็ตามข้อมูลดังกล่าวสะท้อนให้เห็นถึงประวัติศาสตร์เงื่อนไขกระบวนการจริงและถ้าพวกเขามีอยู่ไม่มีค่าใช้จ่ายการเก็บรวบรวมข้อมูลต่อไปจะเกิดขึ้น ถ้าจำนวนมากของข้อมูลดิบที่มีใช้ทั้งหมดของมันอาจจะไม่จำเป็นและใช้เวลานาน สุ่มเลือกของการฝึกอบรมที่จำเป็นและชุดทดสอบจากข้อมูลที่มีอยู่สามารถทำงาน แต่มันเป็นสิ่งสำคัญที่ข้อมูลที่เลือกครอบคลุมประชากรทั้งหมดของความสนใจอย่างเท่าเทียมกัน การทดสอบการอนุมานสามารถใช้เพื่อให้แน่ใจว่าสถิติของกลุ่มตัวอย่างที่ใช้ในการฝึกอบรมและการทดสอบเป็นเช่นเดียวกับประชากรทั้งหมด ในทางตรงกันข้ามหากข้อมูลที่มีอยู่เบาบางเกินไป resampling จากชุดข้อมูลที่ จำกัด สามารถทำได้ มันอาจจะ แต่เป็นที่ไม่พึงประสงค์ที่จะใช้ข้อมูลทั้งหมดที่มีอยู่เช่นเพราะบางสะท้อนให้เห็นถึงความผิดปกติหรือเงื่อนไขกระบวนการที่ล้าสมัย ในกรณีเช่นนี้การปิดกั้นข้อมูลอาจถูกนำมาใช้เพื่อให้บรรลุความต้องการฝึกอบรมเฉพาะเจาะจงหรือเพื่อขจัดพฤติกรรมกระบวนการโดยเฉพาะอย่างยิ่งที่มันไม่ได้เป็นที่ต้องการในการฝึกอบรมเครือข่าย

ผลลัพธ์ (ไทย) 3:

ประมวลผลข้อมูลดิบอาจจะใช้สำหรับการฝึกอบรม บริษัทผลิตมากมาย มีทั้งข้อมูลพารามิเตอร์กระบวนการที่มีอยู่และตรวจสอบคุณภาพผลิตภัณฑ์ทดสอบข้อมูลในฐานข้อมูลของพวกเขา เพื่อที่จะใช้พวกเขาสำหรับการฝึกอบรม NN , มันเป็นไปได้ที่จะเชื่อมโยงสองสำหรับผลิตภัณฑ์แต่ละ ในคำอื่น ๆที่ตรวจสอบย้อนกลับผลิตภัณฑ์เป็นสิ่งจำเป็น นี้เป็น บ่อย กรณีนี้ตัวอย่างเช่นในการบินและอุตสาหกรรมเวเฟอร์ซิลิคอน อย่างไรก็ตามข้อมูลเหล่านี้มักจะรวบรวมเป็นควบคุมบันทึกคุณภาพ มากกว่า เพื่อใช้ในการจำลองกระบวนการและด้วยเหตุนี้กระบวนการชุดพารามิเตอร์ที่อาจจะไม่ครอบคลุมเต็มรูปแบบเป็นไปได้ และไม่อาจรวมถึงสภาวะที่เหมาะสม นอกจากนี้การเก็บข้อมูลและการจัดเก็บ อาจไม่ต้องถูกคุมตัวไว้ และจะส่งผลให้ปัญหาความสมบูรณ์ของข้อมูล อย่างไรก็ตาม ข้อมูลทางประวัติศาสตร์ดังกล่าวสะท้อนให้เห็นถึงกระบวนการจริงเงื่อนไข และหากมี ไม่มีต้นทุนการเก็บรวบรวมข้อมูลเพิ่มเติมที่จะเกิดขึ้น ถ้าจำนวนมากของข้อมูลที่มีการใช้ทั้งหมด มันอาจจะไร้สาระและเสียเวลาการเลือกแบบสุ่มของที่จำเป็นในการฝึกอบรมและทดสอบจากชุดข้อมูลที่มีอยู่สามารถใช้ แต่มันสำคัญที่ข้อมูลที่เลือกครอบคลุมประชากรทั้งหมดของความสนใจเท่าๆ กัน ทดสอบการอนุมานที่สามารถใช้เพื่อให้แน่ใจว่า สถิติของกลุ่มตัวอย่างที่ใช้สำหรับการฝึกอบรมและการทดสอบเป็นเช่นเดียวกับประชากรทั้งหมด . บนมืออื่น ๆถ้าข้อมูลที่มีอยู่จำนวนน้อยเกินไปสุ่มซ้ำจากชุดข้อมูลอาจจะ จำกัด การ มันอาจ แต่ไม่พึงประสงค์ที่จะใช้ทั้งหมดของข้อมูลที่สามารถใช้ได้ ตัวอย่างเช่น เพราะบางส่วนสะท้อนให้เห็นถึงสภาวะของกระบวนการที่ผิดปกติหรือล้าสมัย . ในบางกรณี , ข้อมูลบล็อกอาจจะใช้เพื่อให้บรรลุความต้องการการฝึกอบรมที่เฉพาะเจาะจงหรือการขจัดพฤติกรรมกระบวนการที่เฉพาะเจาะจงซึ่งมันไม่ต้องอบรมเครือข่าย .