当前位置: 首页 » 行业资讯 » 工业自动化»机器学习工业领域应用 优质数据成首要关注
   

机器学习工业领域应用 优质数据成首要关注

 46.1K
     [点击复制]
放大字体  缩小字体 发布日期:2018-10-22   浏览次数:388
核心提示:机器学习算法逐渐潜入我们日常生活,但是工业应用却面临不少瓶颈,不如消费应用那么普及,Inductive Automation的Kathy Applebaum指出,综观目前工业采用机器学习技术的情况,以预测性维护(PM)为大宗,其次是品管、需求预测和机器人训练。

机器学习,Inductive Automation

机械进修算法逐步潜入我们平常生涯,然则工业运用却不如花费运用普及。Inductive Automation

  
  为了把机械进修技巧运用于工业,须先懂得机械进修分红哪些品种,有哪些分歧的算法,和现实运用时有甚么值得留意的处所。
  
  据Automation World报道,机械进修算法逐步潜入我们平常生涯,然则工业运用却面对很多瓶颈,不如花费运用那末普及,Inductive Automation的Kathy Applebaum指出,综不雅今朝工业采取机械进修技巧的情形,以猜测性保护(PM)为年夜宗,其次是品管、需求猜测和机械人练习。
  
  机械进修重要分红三年夜类型。起首是材料剖析,Applebaum指出,诊断性剖析(diagnostic analysis)是为了找出成绩的缘由,猜测性剖析(predictive analysis)则依据曩昔的材料猜测将来,建议性剖析以猜测性剖析为基本,建议该若何处理成绩。
  
  至于算法的品种,第一种是分群算法(k-means),Inductive Automation的Kevin McClusky指出,分群算法不清晰各个种别所代表的意义,只管帐算每个点到已设定的群集中间的最短间隔,进而决议下一个群集中间,很合适停止数据分类,完成缺点剖析。
  
  第二种算法称为剖断树,Applebaum以为很合适猜测性保护,也能够跟其他算法搭配应用。
  
  第三种算法称为回归剖析,McClusky以为合适调剂任务流程和猜测产量,例如按照今朝的变量来猜测产量。至于神经收集算法,则是仿真人脑的运作方法,工业最多见的运用是在视觉体系。
  
  不管何种机械进修运用,都须要先搜集优良的数据,重要之务就是找到合适的数据并加以处置,进而确保数据质量。McClusky也建议企业履行机械进修筹划时,务必采取撷取、转换和载物(ETL)来获得数据,把数据搜集流程主动化。Applebaum则建议勇于多测验考试分歧的算法,各家供货商皆有供给分群、神经收集、回归等林林总总的算法。
 
 
 
[ 行业资讯搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]
 
 
展会更多+
视频更多+
点击排行
 
网站首页 | 网站地图 | 排名推广 | 广告服务 | 积分换礼 | 网站留言 | RSS订阅