...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Production Research >Confirmation testing of the Taguchi methods by artificial neural-networks simulation
【24h】

Confirmation testing of the Taguchi methods by artificial neural-networks simulation

机译：Taguchi方法的人工神经网络仿真验证测试

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In Taguchi's methods of parameter design, a confirmation test is usually necessary to remove concerns about the choice of control parameters, experimental design, or assumptions about responses. This paper investigated the use of artificial neural-networks simulation to validate the set of control parameters identified as significant through Taguchi's methods, and to verify that the recommended settings for the control parameters are indeed optimal or near-optimal. Using the experimental layout and measured responses from a Taguchi parameter-design experiment, we applied cross-validate training to ascertain that the trained neural-network can reproduce acceptable results on unseen experimental layouts. We then used the trained neural-network to simulate and search for the global optimal settings for the control parameters, and the results compared with the recommended settings from the Taguchi parameter-design experiment.
机译：在田口的参数设计方法中，通常需要进行确认测试才能消除对控制参数选择，实验设计或响应假设的担忧。本文研究了人工神经网络仿真的使用，以验证通过Taguchi方法识别为重要的控制参数集，并验证控制参数的推荐设置确实是最佳或接近最优的。使用实验布局和Taguchi参数设计实验的测量响应，我们应用交叉验证训练来确定训练后的神经网络可以在看不见的实验布局上再现可接受的结果。然后，我们使用经过训练的神经网络来模拟和搜索控制参数的全局最佳设置，并将结果与​​Taguchi参数设计实验中的推荐设置进行比较。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号