In recent years there has been a ma

In recent years there has been a marked advance in the research for the development of an automatized system to analyze weld defects
detected by radiographs. This work describes a study of nonlinear pattern classifiers, implemented by artificial neural networks, to classify
weld defects existent in radiographic weld beads, aiming principally to increase the percentage of defect recognition success obtained with
the linear classifiers. Radiographic patterns from International Institute of Welding (IIW) were used. Geometric features of defect classes
were used as input data of the classifiers. Using a novel approach for this area of research, a criterion of neural relevance was applied to
evaluate the discrimination capacity of the classes studied by the features used, aiming to prove that the quality of the features is more
important than the quantity of features used. Well known for other applications, but still not exploited in weld defect recognition, the
analytical techniques of the principal nonlinear discrimination components, also developed by neural networks, are presented to show the
classification problem in two dimensions, as well as evaluating the classification performance obtained with these techniques. The results
p

ผลลัพธ์ (ไทย) 1:

ในปีที่ผ่านมา มีล่วงหน้าการทำเครื่องหมายในการวิจัยสำหรับการพัฒนาระบบการวิเคราะห์ข้อบกพร่องที่เชื่อม automatizedตรวจพบ โดย radiographs งานนี้อธิบายรูปแบบไม่เชิงเส้น classifiers ดำเนินการ โดย artificial ประสาทเครือข่าย การจัดประเภทการศึกษาเชื่อมข้อบกพร่องมีอยู่ในลูกปัดเชื่อมเจริญเต็มขั้น มีเป้าหมายหลักเพื่อเพิ่มเปอร์เซ็นต์ของความสำเร็จรู้ความบกพร่องได้ด้วยclassifiers เชิงเส้น มีใช้รูปแบบเจริญเต็มขั้นจากนานาชาติสถาบันของเชื่อม (IIW) คุณลักษณะทางเรขาคณิตของชั้นเรียนความบกพร่องได้ใช้เป็นข้อมูลป้อนเข้าของ classifiers ใช้วิธีการแบบนวนิยายสำหรับพื้นที่นี้วิจัย เกณฑ์ความเกี่ยวข้องประสาทถูกประยุกต์ใช้ประเมินกำลังแบ่งแยกของชั้นการศึกษา โดยคุณลักษณะ มุ่งพิสูจน์ว่าคุณภาพของคุณลักษณะเพิ่มเติมสำคัญกว่าปริมาณของคุณลักษณะ รู้จักกันดีสำหรับโปรแกรมประยุกต์อื่น แต่ยังคงไม่สามารถในการเชื่อมข้อบกพร่อง การเทคนิคการวิเคราะห์ส่วนประกอบหลักไม่เชิงเส้นแบ่งแยก พัฒนา โดยเครือข่ายประสาท จะนำเสนอการแสดงclassification ปัญหาในสองมิติ ตลอดจนประเมินประสิทธิภาพ classification ได้ ด้วยเทคนิคเหล่านี้ ผลลัพธ์p

ผลลัพธ์ (ไทย) 2:

ในปีที่ผ่านมาได้มีการทำเครื่องหมายไว้ล่วงหน้าในการวิจัยเพื่อการพัฒนาระบบอย่างอัตโนมัติในการวิเคราะห์ข้อบกพร่องเชื่อม
ตรวจพบโดยการฉายรังสี งานนี้จะอธิบายถึงการศึกษารูปแบบไม่เชิงเส้น ERS จัดประเภท Fi, ดำเนินการโดยเครือข่ายประสาท Arti Fi ทางการ, การจำแนก
ข้อบกพร่องเชื่อมที่มีอยู่จริงในลูกปัดเชื่อมเอ็กซ์เรย์เล็งหลักที่จะเพิ่มขึ้นร้อยละของความสำเร็จที่ได้รับการยอมรับข้อบกพร่องที่ได้รับกับ
ERS จัดประเภทเชิงเส้น รูปแบบการถ่ายภาพรังสีจากสถาบันระหว่างประเทศเชื่อม (IIW) ถูกนำมาใช้ คุณสมบัติทางเรขาคณิตของการเรียนมีความบกพร่องที่
ถูกนำมาใช้เป็นข้อมูลป้อนข้อมูลของ ERS คลาสสิกไฟ โดยใช้วิธีการใหม่สำหรับพื้นที่ของการวิจัยนี้เกณฑ์ความประสาทถูกนำไปใช้
ในการประเมินความสามารถในการเลือกปฏิบัติของการเรียนการศึกษาโดยคุณสมบัติที่ใช้เล็งที่จะพิสูจน์ให้เห็นว่าคุณภาพของคุณลักษณะมีมากขึ้น
ที่สำคัญกว่าปริมาณของคุณสมบัติที่ใช้ ที่รู้จักกันดีสำหรับการใช้งานอื่น ๆ แต่ยังไม่ได้ใช้ประโยชน์ในการรับรู้ข้อบกพร่องเชื่อม
เทคนิคการวิเคราะห์ขององค์ประกอบการเลือกปฏิบัติไม่เป็นเชิงเส้นหลักที่ได้รับการพัฒนาโดยเครือข่ายประสาทจะถูกนำเสนอเพื่อแสดงให้เห็น
ปัญหาไอออนบวกคลาสสิกไฟในสองมิติเช่นเดียวกับการประเมินผลการปฏิบัติไอออนบวกคลาสสิกสายที่ได้รับ ด้วยเทคนิคเหล่านี้ ผล
P

ผลลัพธ์ (ไทย) 3:

ใน ปี ล่าสุด ได้มีการเลื่อนการทำเครื่องหมายในการวิจัยเพื่อการพัฒนาระบบวิเคราะห์ความบกพร่องที่ตรวจพบโดยเชื่อม
2 . งานนี้ได้กล่าวถึงการศึกษาแบบไม่เชิงเส้นจึง classi ERS โดย Arti จึง่เครือข่ายประสาท เพื่อจำแนก
เชื่อมข้อบกพร่องที่มีอยู่ในการเชื่อมด้วยลูกปัด ,วัตถุประสงค์หลักเพื่อเพิ่มเปอร์เซ็นต์ของความสำเร็จการยอมรับข้อบกพร่องได้ด้วย
classi เชิงเส้นจึง ERS . ด้วยลวดลายจากสถาบันระหว่างประเทศของการเชื่อม ( iiw ) สถิติที่ใช้ คุณสมบัติทางเรขาคณิตของข้อบกพร่องเรียน
ถูกใช้เป็นข้อมูลอินพุต ERS จึง classi . การใช้แนวคิดใหม่ในพื้นที่ของการวิจัยเกณฑ์ของประสาทใช้

,ประเมินความสามารถของการเรียนศึกษาโดยใช้ลักษณะมุ่งที่จะพิสูจน์ว่าคุณภาพคุณสมบัติมากขึ้น
สำคัญมากกว่าปริมาณ คุณสมบัติใช้ รู้จักกันดีสำหรับโปรแกรมอื่น ๆแต่ยังไม่ได้ใช้ประโยชน์ในการยอมรับข้อบกพร่องเชื่อม , เทคนิคการวิเคราะห์แบบไม่เชิงเส้นของครูใหญ่
จำแนกส่วนประกอบที่พัฒนาโดยโครงข่ายประสาทเทียม ,แสดงโชว์
classi จึงแลกเปลี่ยนปัญหาใน 2 มิติ รวมทั้งการประเมินประสิทธิภาพการ classi จึงได้ด้วยเทคนิคเหล่านี้ ผล

p