Определение среднеквадратичной шероховатости поверхности опаловой матрицы (пример) (778898)

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла

Московский ордена Ленина, ордена Октябрьской Революции и ордена Трудового Красного Знамени Государственный Технический Университет имени Н.Э. Баумана

Факультет: МТ («Машиностроительные технологии»)

Кафедра: МТ11 («Электронное машиностроение»)

Домашнее задание по курсу

«Искусственные нейросети»

на тему:

«Определение среднеквадратичной шероховатости поверхности опаловой матрицы»

Студент:………………………………………(Варсонофьева И. А.)

Группа: МТ 11-111

Преподаватель:…………………………………(Булыгина Е. В.)

Москва, 2010 г.

Содержание

1 Описание системы…………………………………………………...……………..……3

2 Задача…………………………………………………...…………………...……………3

3 Анализ входных и выходных параметров……………………………..………………3

4 Разбиение набора данных на обучающее, контрольное и тестовое множества....…..8

5 Выбор способа обучения сети и параметров процесса обучения. Выбор функции ошибки и ее допустимое значение…………………………..………………………………...10

6 Оценка качества обучения сети, анализировать возможных причин ошибок......…13

7 Анализ возможностей нейронной сети при работе с произвольными данными…..21

8 Анализ результатов…………………………………………………………………….24

1 Описание системы

Опаловая матрица формируется из коллоидного раствора за счет процессов самоорганизации глобул. В процессе осаждения различными методами сферы оседают с различной плотностью и упорядоченностью.

Качество получаемой структуры зависит от множества параметров. Так как получение сканов, обработка результатов занимает много времени и нет строгой аналитический зависимости между требуемым параметром системы и условиями проведения эксперимента, то задачу прогнозирования качества получаемой структуры можно решить с помощью нейросети.

2 Задача

Задача:

• на основании тематики НИРС произвести анализ параметров выбранной системы;

• провести нейросетевое моделирование заданной системы;

• проанализировать полученные результаты и сделать выводы.

3 Анализ входных и выходных параметров

Входные параметры:

1. Выходные параметры:

- среднеквадратическая шероховатость полученной структуры;

- параметр a, характеризующий плотность упаковки структуры

2. Входные управляемые и контролируемые параметры:

- метод образования структуры;

- метод подготовки подложки;

- наличие термообрабоки;

- время;

- размер скана;

3. Входные неуправляемые контролируемые параметры:

- среднеквадратичная шероховатость подложки;

- диаметр глобул опала;

- количество слоев осажденного опала;

4. Входные неуправляемые неконтролируемые параметры:

- погрешности измерительных приборов (атомно-силового микроскопа);

- человеческий фактор

Все контролируемые и управляемые факторы вносят систематическую составляющую погрешности, а все контролируемые неуправляемые и неконтролируемые неуправляемые факторы вносят случайную составляющую.

1. размер скана, мкм

1 мкм

2 мкм

3 мкм

5 мкм

10 мкм

15 мкм

20 мкм

25 мкм

30 мкм

50 мкм

1. параметр а, который определят плотность упаковки структуры и зависит от исходной шероховатости поверхности, метода осаждения, наличие отжига, размера глобул, метод подготовки подложки, тип опаловой структуры

Выходные параметры: среднеквадратическая шероховатость полученной структуры.

Задача нейросети: определение с минимальной ошибкой шероховатости Ra пленки опала по заданному параметру a и размеру скана.

4 Разбиение набора данных на обучающее, контрольное и тестовое множества

Все наблюдения из файла данных делятся на четыре множества: обучающее, контрольное, тестовое и неучитываемое. Обучающее множество служит для обучения нейронной сети, контрольное – для независимой оценки хода обучения, тестовое – для окончательной оценки после завершения серии экспериментов. Неучитываемое множество не используется – в данном случае оно будет использоваться в качестве данных для работы с произвольными данными.

Таблица1. Данные наблюдений.

Характеристики

Тип файла документ

Документы такого типа открываются такими программами, как Microsoft Office Word на компьютерах Windows, Apple Pages на компьютерах Mac, Open Office - бесплатная альтернатива на различных платформах, в том числе Linux. Наиболее простым и современным решением будут Google документы, так как открываются онлайн без скачивания прямо в браузере на любой платформе. Существуют российские качественные аналоги, например от Яндекса.

Будьте внимательны на мобильных устройствах, так как там используются упрощённый функционал даже в официальном приложении от Microsoft, поэтому для просмотра скачивайте PDF-версию. А если нужно редактировать файл, то используйте оригинальный файл.

Файлы такого типа обычно разбиты на страницы, а текст может быть форматированным (жирный, курсив, выбор шрифта, таблицы и т.п.), а также в него можно добавлять изображения. Формат идеально подходит для рефератов, докладов и РПЗ курсовых проектов, которые необходимо распечатать. Кстати перед печатью также сохраняйте файл в PDF, так как принтер может начудить со шрифтами.

Список файлов курсовой работы