Please use this identifier to cite or link to this item:
http://elar.khnu.km.ua/jspui/handle/123456789/4429

Можете відсканувати цей QR-код телефоном( програмою "Сканер QR-кодів" ) для збереження.

Title: Optimizing parameters of the two-layer perceptrons’ boosting ensemble training for accuracy improvement in wear state discontinuous tracking model regarding statistical data inaccuracies and shifts
Other Titles: Оптимізація параметрів навчання комітету бустингу двошарових персептронів для покращення точності у дискретній моделі відслідковування стану зносу з урахуванням похибок і зсувів у статистичних даних
Authors: Romanuke, V.V.
Романюк, В.В.
Keywords: wear state;statistical data;data inaccuracies;data shifts;tracking model;accuracy;two-layer perceptron;boosting;boosting ensemble training;optimization;tracking error rate;стан зносу;статистичні дані;похибки у даних;зсуви у даних;модель відслідковування;точність;двошаровий персептрон;бустинг;навчання комітету бустингу;оптимізація;рівень помилок відслідковування
Issue Date: 2015
Publisher: Khmelnitskiy National University
Citation: Romanuke V.V. Optimizing parameters of the two-layer perceptrons’ boosting ensemble training for accuracy improvement in wear state discontinuous tracking model regarding statistical data inaccuracies and shifts / V.V. Romanuke // Problems of Tribology. – 2015. – № 1. – P. 65-68.
Abstract: There is a trial of optimization for improving accuracy in tracking metal tool wear states discontinuously, when the states’ finite set has been statistically tied to the set of representative wear influencing factors. Range of wear states is presumed to be wholly sampled into those factors. The tracker is a static model based on boosting ensemble of two-layer perceptrons with nonlinear transfer functions. It successfully regards statistical data inaccuracies and shifts in a problem of tracking 24 wear states featured with 16 wear influencing factors. Having increased number of classifiers within the ensemble up to 30, the averaged gain with the optimized ensemble is about 56 % in respect of the best ensemble of three classifiers. Similarly, variance of tracking error rate over 24 wear states is about 53 % lower. Nearly the same results are registered when the ensemble is composed without training, but just setting every classifier’s weight to one thirtieth. To get the perfected accuracy more, such equally-weighted compositions shall be investigated in the sequel.
Представляється спроба оптимізації для покращення точності дискретного відслідковування станів зносу металевого засобу, коли скінченна множина цих станів була статистично пов’язана з множиною репрезентативних факторів, що впливають на знос. Діапазон станів зносу вважається повністю розбитим за цими факторами. Відстежувачем є статична модель на основі комітету бустингу двошарових персептронів з нелінійними передавальними функціями. Вона успішно враховує похибки і зсуви у статистичних даних в задачі відслідковування 24 станів зносу з 16 факторами впливу на знос. Збільшивши кількість класифікаторів у комітеті до 30, усереднений виграш з оптимізованим комітетом складає близько 56 % по відношенню до найкращого комітету з трьох класифікаторів. Аналогічно дисперсія рівня помилок відслідковування по 24 станам зносу є майже на 53 % меншою. Приблизно такі самі результати зафіксовані тоді, коли комітет складається без навчання, а лише з прирівнюванням ваги кожного класифікатора до однієї тридцятої. Такі рівновагові композиції будуть досліджені у подальшому для того, щоб отримати ще більш вдосконалену точність.
URI: http://elar.khnu.km.ua/jspui/handle/123456789/4429
UDC: 539.375.6+539.538+519.237.8
metadata.dc.type: Стаття
Appears in Collections:Problems of Tribology = Проблеми трибології - 2015 рік

Files in This Item:
File Description SizeFormat 
Ptl_2015_1_12.pdf237,21 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.