ニューラルモデルを使用した機能的DoEこんにちは、
ここに質問があります：
「FDE」は「Generalized Regression」モデルを使用してFunction DoEと統合します。これにより、機能的要因のモデルを構築できます。
Q1：「一般化回帰」以外に、「ニューラルネットワーク」やその他のモデルを構築できますか？（私の顧客の一人がニューラルモデルを使用することを主張しているように）
Q2：Function PCAを使用して、他のモデルのビルドを回避することを考えています。
「FDE」プラットフォームで「サマリーの保存」を使用する場合、FDE colが組み込まれた機能PCA。プロパティはありますが、式はありません。
元の要因にリンクできなかったようです。私は正しい方法を使用しているかどうか疑問に思いますか？
誰もこれに関するアイデア/提案を持っていますか？どうもありがとう
ピン
再：ニューラルモデルを使用した機能的DoE？はい、任意のモデリングプラットフォームでXまたはYロールのFPCを使用できます。線形モデルは一般的なDOE解析に非常に役立つため、GenRegを含めることは自然な選択でした。これは非常に便利ですが、要件ではありません。私は特にニューラルネットワークを試したことはありませんが、うまくいくはずです。
説明変数をZ、Supplementaryロールで提供して、サマリーを保存するときにFPCで表示されるようにするか、サマリーを保存した後にTableコマンドを使用してそれらを結合できます。
再：ニューラルモデルを使用した機能的DoE？[関数の概要のカスタマイズ]（[関数の概要]の横にある赤い三角形のメニュー）で[式の保存]がオンになっていることを確認してください。
再：ニューラルモデルを使用した機能的DoE？ありがとう、マーク。これにより、ニューラルモデリングを実行するための事前のアイデアが得られます。あと少し歩きます
感謝します再：ニューラルモデルを使用した機能的DoE？フィルに感謝します。次のステップに私を導くことは非常に明確です。数式を使用して、ニューラルモデルを作成できるようになりました！ありがとうございました再：ニューラルモデルを使用した機能的DoE？ @phil_kay しゅう
FDEサンプルデータにニューラルモデルを使用する "発酵 Process.jmp 」および「発酵プロセスのバッチ収率 Results.jmp 」
このようなプロファイルを取得しました：歩留まりは多くの元の要因のFPCの関数です
いくつかの記録されたFDEビデオを調べましたが、すべてGeneralized Regを使用しているようです。モデルフィッティングを行うには、
質問は：
1）：解釈を容易にするために、（FPCを介して）収量を元の要因に戻す方法はありますか？そしてまた
2）：予測式は、元の係数を使用して計算できます（新しいデータセットが来るたびにFDEを計算する必要があるFPCを使用するのではなく）。
再：ニューラルモデルを使用した機能的DoE？こんにちは、
私はあなたがやろうとしていることを理解していると思います。わたしは作ったワークショップのボーナスエクササイズこれをカバーします。演習2、ボーナス演習を見てください。
ここにいくつかの指示があります。これらは、例としてGen Regによって適合されたモデルを使用します。しかし、ニューラルモデルでも同じことができるはずです。
- 一般化回帰モデルを当てはめた後、AICc検証と列の保存>予測式の保存を含む標準なげなわの横にある赤い三角形をクリックします。
- 次に、グラフ>プロファイラ。
- Yield [BatchID]予測式列を選択し、Y、予測式ロールにキャストします。また、エタノール、糖蜜フィード、空気、NH3フィードの「予測式」列を追加します。ダイアログは次のようになります。
- [中間式を展開]のボックスをクリックしてください。OKをクリックします。
X軸を再配置することもできます。[予測プロファイラー]> [外観]> [X変数の並べ替え]の横にある赤い三角形をクリックします。[時間]をリストの一番上にドラッグします。OKをクリックします。
- プロファイラプロットの角をドラッグして、プロファイラプロットのサイズを大きくすることもできます。
- Ethanol FPC 2と、設定の変更がYieldに与える影響を確認してください。
- エタノールFPC 2を変更すると、エタノールと時間のプロファイルがどのように変化するかを確認してください。これで、低収量（左）と高収量（右）をもたらすエタノールプロファイルを確認できます…
