КИ JIMMY W. KEY ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ ЧАСТЬ 2 Нейронно-сетевые технологии могут решить наиболее насущные проблемы управления технологическими и производственными процессами. <...> В данной части статьи уделено внимание подготовке набора данных для обучения, выполнению процесса обучения нейронной сети, созданию модели и выполнению необходимой валидации. <...> Кроме того, в статье рассмотрено внедрение модели нейронной сети на платформе управления и человеко-машинного интерфейса. <...> Смотрите также первую часть публикации, в которой были рассмотрены архитектура нейронной сети, вопросы управления пространством, модельный ряд, типы данных и выбор набора данных. <...> В первой части статьи (CER №3(63)'2016) мы остановились на завершении параметрического тестирования и сохранении полученных данных в исторической базе данных. <...> Наша цель и следующий шаг направлены на то, чтобы получить записи набора данных для обучения и подтверждение достоверности (валидации) действия модели нейронной сети. <...> После того как запись набора данных выполнена, она должна быть соответствующим образом подготовлена для обучения модели нейронной сети. <...> Запись набора данных должна быть случайным образом разобрана на три отдельных подмножества (подкласса) записей: обучение, тестирование и валидацию (рис. <...> Наборы данных для обучения и тестирования используются в процессе обучения модели. <...> Для сходимости модели к целевой функции решения алгоритм обучения нейронной сети использует подмножество данных обучения. <...> Записи набора данных должны быть случайным образом разобраны на три отдельных подмножества — обучение, тестирование и валидация данных тестирования используется для предотвращения ее так называемой «перетренированности» — излишне длительного обучения, что, в конечном итоге, может повлиять на надежность модели. <...> После того как модель нейронной сети обучена, она должна пройти через жесткий <...>