謝謝你為了觀看這推介會為了茶歐洲發現首腦會議在線的。 我的姓名是達米安佩雷特. 我我是研發科學家在歐洲原子能委員會在法國。 我是和弗朗索瓦貝爾熱雷茶統計員和茶創始人的一蓬創新在法國。 和弗朗索瓦,我們是非常快樂的到是這裡今天和我們會喜歡到謝謝茶操舵委員會WHO填充的我們茶機會到講話關於這工作哪個是關於創新的方法使用JMP。
我們將要給你二盒子學習。 弗朗索瓦將要這裡茶第一的盒子和我將要這裡茶第二盒子。 只是開始和有很少字關於CEA。 歐洲原子能委員會是有英語政府組織為了研究，發展，和創新在烤箱地區；低的碳能量，技術性的研究，基本的研究，和防禦和安全。 茶歐洲原子能委員會計數關於20,000人們和我們是位於我們九不同的站點（s在法國。 我們有強的關係和茶學術的世界和許多合作和大學和夥伴，兩個都在法國和全部大約茶世界。
一些字關於一蓬創新。 的種族，我們是有較小公司比較的到茶CEA。 它曾是已創建15年前。 我們是基於在茶南的法國，圖盧茲。 我們是有團隊的統計員，僅有的統計學家和技能在工業的統計數據，例子，程控，測量系統分析，和的種族，機器學習和所以我們。
我是有聯合管理計劃用戶自從1995年,所以有長的時間前。 我開始了和聯合管理計劃3. 的種族，一蓬是聯合管理計劃夥伴因為我們用過的有批的JMP。 為了例子，為了屈服優化，我們有有工具被稱為雪人，自動的屈服優化在複雜的製造業系統。 我們還發達解決方案基於我們有顧客要求，什麼我們稱呼軟件我們要求，為了例子，有滿的解決方案為了異常值檢測金子統計數據過程控制。
使用聯合管理計劃和GSL，我們有一些GSL專家這裡，包括卡羅爾蘇爾，哪個是共同作者的這講話今天。 我們還有有古典諮詢和訓練專業知識基於我們聯合管理計劃我們工業的統計數據。 茶激動的茶推介會今天，我們將要這裡二真實的盒子學習和達米安. 茶第一的一是基於我們模擬和有電腦設計的實驗，和茶第二一將要是呈現經過達米恩我們有機器學習工具為了預言。
我將要這裡茶盒子學習數字1基於我們混合物。 它是好的。 你能去我們茶下一個滑動。 茶語境是有風險評估和有機會計算。 到解釋它有小的少量，混合物設計的實驗曾是已創建經過茶歐洲原子能委員會到評價茶表現的有材料為了核浪費。 茶調理是完畢和鹽類在有矩陣。 茶表現是決定經過有臨界點我們茶活力。 茶活力有到是更高比茶臨界點。
它是不是所以簡單的到估計茶機會到是以下這臨界點。 我們將要磨損的全部茶工具和全部茶數據那我們有到做這任務。 的種族，茶機會有到是高手小的高手可能的。 達米安，茶歐洲原子能委員會專家，將要評估如果這機會是好的。 現在，什麼方法我們磨損的到估計這最糟糕的盒子機會？
第一的的全部，基於我們茶數據從茶混合物設計的實驗，我們有估計的一些楷模。 基本上，一些古典線性楷模，還分類和決定樹木，和還神經的網絡是茶手楷模用過的。 為了每個模型，我們有完畢三分析。
第一的，茶已安裝章魚哥模擬我們茶因素，所以古典隨機的模擬和已安裝章魚哥。 還，什麼我們稱呼空間填充設計，有電腦設計和傑普,在哪裡我們嘗試到探索茶設計空間目的經過電腦模擬，添加有噪音我們茶響應.響應. 這是完畢和聯合管理計劃親。 最後的事物我們做過是有混合的已安裝章魚哥和空間填充設計。 我們將要細節這，目的這是非常有用高手我們想到估計有最糟糕的盒子可能性。 我們能去到下一個滑動。
盒子學習數字1、古典聯合管理計劃模擬為了茶混合物美國能源部。 第一的的全部，我們有到選擇茶最好的模型。 前正在做模擬，我們需要到尋找茶最好的模型。 那裡是有非常好的特徵在聯合管理計劃親，哪個是被稱為模型比較。 非常迅速地，你能比較的茶楷模基於我們標準， RS四金茶美國鋼鐵協會。 我們有完畢這和我將要做茶演示正確的現在。 我分享我的屏幕現在。 我有到分享我的屏幕。 我們有到磨損的JMP。 這裡，我打開茶數據放。 這是有數據放從混合物設計的實驗。 那裡是八因素， X 1- X8,和茶回复是茶活力。
到展示你年例子的茶模型那我們做過，我們履行這裡，為了例子，有預測性的造型神經的網絡。 茶回复是茶活力。 茶X 的因素是這裡。 我們點擊這裡。 為了信息，我們決定這裡不是到劃分茶滿的樣本在學習樣品，驗證樣品，測試樣品，因為數據是從設計的實驗，所以我們有不是有批的數據。 三十一實驗最大限度這裡。
我們磨損的有折疊驗證到節省樣品，我會說。 有非常簡單的神經的網這裡，一層，和我們點擊我們去。 那裡是辭職有好的模型和有正確的，讓我們說， RS四為了那。 如何是在職的茶比較的茶模型在JMP？ 你需要到節省茶預言公式。 你點擊我們茶點和我節省茶公式。 正在做這，你有公式這裡的茶神經的網和隱層。 你看茶公式，雙曲線切線這裡的茶線性預測器。 第二個n歐元這裡的茶隱層，其他公式，和所以我們。 在茶結尾，為了茶神經的網，茶最終的公式為了茶預言是有線性組合的茶隱神經元。 我保持這公式為了茶片刻，和我是去到做茶相同的和有線性模型。
茶線性模型曾是已保存這裡到節省時間。 我們決定到有有線性模型。 為了混合物設計，我們有一些叉影響這裡和有線性模型。 的種族，我們需要到乾淨的茶模型。 我們需要到消除什麼是不是重要的這裡和所以我們。 什麼時候茶工作是所以，我們還有到節省茶公式。 我已保存什麼我稱呼茶預言公式。 這裡，盎司再次，在茶聯合管理計劃桌子某處，你將要有茶預言公式為了茶活力，普通的至少正方形。 你有有古典線性公式為了茶線性模型。
到總結，這裡我有二楷模，神經的網絡和普通的至少正方形，和我有有公式為了茶二楷模。 然後和論文公式，我去到分析，預測性造型，和模型比較。 這是茶好的聯合管理計劃平台為了機器學習。 這裡什麼你有到進入是只是茶公式的茶預測器。 這裡，為了茶例子，我只是進入二公式，普通的至少正方形和神經網絡，和那是全部。 你只是點擊好的。 這裡你有有比較模型和一些標準和你選擇茶最好的型號H時間。 第一的的全部，我添加噪音在茶數據，所以RS四是不是所以好的。
在添加，我們能比較的茶兩個都模型。 在那盒子，為了茶最糟糕的盒子分析，我們決定決定到履行茶模擬兩個都我們線性模型和還我們神經的網。 現在，我們是去到做那工作。 L和我展示你什麼我們做過。 或許我是去到分享這滑動，達米安，因為我需要到展示某物這裡。 它將要是更輕鬆和我的個人電腦。 所以居住演示是完畢。這裡我是去到磨損的有已安裝章魚哥模擬。 非常簡單的和有聯合管理計劃預言輪廓。
第一的的全部，這是我的第一的演示。 後那，我將要做茶混合物設計的實驗空間填充設計。 我有到說那兩個都為了已安裝章魚哥和還為了空間填充設計，我們有一些混合物限制。 它方法那茶和的茶成分有到是平等的到一。 它是不是有真實的空間填充設計。 它是不是有真實的已安裝章魚哥因為你有這受到限制。 J國會議員有有聰明的算法，迭代的算法到拿進入帳戶茶限制。 我們是去到模擬器已安裝章魚哥和茶第一的因素和然後和茶第二因素採取進入帳戶茶第一的一和所以我們。
在茶結尾，我將要這裡茶滿的模擬和兩個都已安裝章魚哥和空間填充設計。 這是新的因為什麼我們有完畢是為了每個跑步的茶空間填充設計，我們有完畢1,000已安裝章魚哥模擬。 它是真的有最糟糕的盒子這裡，目的它曾是茶客觀的為了茶歐洲原子能委員會到有茶最糟糕的盒子。 謝謝到這，我們將要得到有真的好的估計的茶最糟糕的盒子可能性。
現在，讓我跳到茶演示。 第一的的全部，已安裝章魚哥。 這裡我有茶結果為了茶已安裝章魚哥。 不，對不起，它是不是茶正確的一。 這裡它是。 讓我們磨損的茶神經的網絡。 這裡，為了茶神經網絡，你能問為了茶輪廓。 紅豆杉你問為了茶輪廓，這裡你能問茶模擬器。 我將要隨機地移動茶因素。 目的什麼是重要的這裡，我是詢問為了制服分配因為它是更多的古典為了混合物設計。 這裡，我是去到模擬器隨機的數據為了茶因素X1 ,目的之間這價值和這價值因為那裡是有受約束的這裡。 我繼續走下去和茶第二因素和制服模擬之間這價值和這價值，和所以我們。
到節省時間，我將要自動地跑步茶模擬這裡。 這裡它是。 對不起，我其中有茶正確的數據放。 對不起關於那。 瓦這裡它是。 模型比較和模擬。 這裡它是。 好的，這裡它是，已安裝章魚哥模擬。 到節省時間，患病的展示你直接地茶結果和有隨機的模擬和有混合物受到限制。
瓦e有完畢這已安裝章魚哥模擬和我們有這結果我們茶活力。 什麼是好的還是那你能放茶結果在有桌子。 這是茶結果， 10,000已安裝章魚哥模擬。 為了每個模擬和和茶模型，你有茶活力。 現在，到計算茶機會到是降低比茶規格限制，我們只是有到做有分配的茶模擬的活力。 這是有分配，不是確切地高斯，更多的關閉到有這個地方分配。 目的反正，它才不是事情。 我們將要做茶過程能力和茶規格給定經過茶歐洲原子能委員會是減100. 我只是點擊我們這和我們有什麼我們稱呼茶能力分析，全面的能力。 峰峰值是辭職好的，更高比1.3 。 這裡，茶預期的百分比的出去的規格是非常低的因為這數字是清楚地非常低的。
我們能有有看在有科學的評分。 我們是在有非常小的機會和清楚地它曾是可以接受為了茶[聽不清 00:15:13] 。 在這時間，基於我們神經的網絡模型，基於我們已安裝章魚哥模擬，我們有估計的茶第一的機會到是出去的規格和這機會是這裡。 下一個步。 什麼我們有完畢這裡是那我們是去後退這裡。 對不起，我其中關閉這。 我其中關閉這。 我是去這裡到做其他模擬和什麼我們稱呼有模擬實驗。 模擬實驗是還被稱為有時有空間填充實驗。 你嘗試到探索茶設計空間。
這裡，我們有到提醒那那裡是有混合物受約束，所以我們將要不是探索，的種族，有滿的設計空間，目的我們將要探索有去的茶設計空間這裡。 這裡是有結果， 128電腦運行和茶模擬數據。 我們能有有看在茶結果的茶模擬。 紅豆杉我們做有散點圖矩陣我們茶模擬的實驗我們茶因素，這裡是茶勘探的茶因素和有混合物受到限制。 和這，盎司再次，我們有模擬的活力目的這裡，它是不是已安裝章魚哥模擬，它是有電腦模擬實驗。
相同的工作，我們能放茶活力這裡。 瓦這裡是茶模擬的活力？ 這裡它是。 盎司再次，大致通常情況下分散式。 這裡我是去到計算，盎司再次，茶過程能力和有規格減100. 這裡它是。 這裡我應該有茶過程能力哪個是好的。 盎司再次，你有有機會到是出去的茶規格，哪個是關閉到7每1,000。 它是還可以接受高手有結果。 目的你能看那在那盒子，茶機會是更高比茶以前的一因為茶計算曾是不同的和因為它曾是有模擬實驗探索茶空間和它是不同的從已安裝章魚哥模擬。
最後的事物那我們做過，和我是去到打開茶d阿塔文件。 這裡它是，模擬已安裝章魚哥。 這裡它是。 不是茶正確的一，對不起。 我有有批的事物打開。 這裡它是。 什麼是這文件？ 什麼我們做過這裡。 我們做過兩個都有空間填充設計和為了每個跑步的茶空間填充設計，我們有完畢1,000已安裝章魚哥模擬。 茶全部的數字的點這裡是128,000線。 兩個都已安裝章魚哥和還有電腦設計的實驗。
這裡我們有真的有好的數據放和全部茶潛在的變化。 一些是被迫經過茶設計的實驗，其他的是清楚地隨機的和茶已安裝章魚哥。 這裡，盎司再次，我們是去到估計茶可能性。 你有茶好的分配的茶活力。 然後我們將要盎司再次，計算茶機會到是出去的規格 進入茶規格這裡，這裡它是。 這裡我們有有機會到是出去的規格，哪個是關閉到1每1,000。 盎司再次，它曾是辭職有好的結果這裡。 這結果是辭職創新的。 這裡，只是為了信息，我們有到創造有小的聯合管理計劃腳本這裡到做這，到混合茶電腦設計和茶已安裝章魚哥模擬。 那裡是有小的GSL編碼的為了那。 那是全部為了我的去。 達米安，或許你能去。 我停止了茶分享。
好的。這是現在茶盒子學習數字2. 為了這學習，我們有發達有風俗工具為了預測性的應用。 茶客觀的這裡曾是到創造有工具包括統計數據楷模在聯合管理計劃專業版在命令到預測有具體的財產哪個是茶玻璃粘性城市高手有功能的作品和溫度。 到做那，實驗性的數據是未來從兩個都商業的數據庫和從我們的自己的數據庫在歐洲原子能委員會。 有s我們將要看，茶獨創性的茶方法來了從茶方法為了數據子採樣。
我們通緝茶算法到是編碼的在GSL和實施的在聯合管理計劃親。 茶回复的茶模型是茶玻璃粘度，的種族，和茶因素是茶重量百分的茶玻璃成分。 這裡是一些背景信息。 你有到知道那玻璃材料是有不-結晶體堅硬的和它是獲得經過有快速地淬火的有玻璃熔化。 從有材料觀點的看法，玻璃是有混合物的不同的氧化物。
茶數字的氧化物是多變的從二金子三在有非常簡單的玻璃到關於30和甚至更多的在茶最多複雜的組成。 時間這裡是有長的傳統在茶計算的玻璃特性，和我們思考那茶第一的楷模是已創建在德國在茶結尾的茶19日世紀。自從然後，茶數量的發表文學在茶場地的玻璃財產預言有增加有批。 所以那今天，我們有有巨大的數量的玻璃數據可用的在商業的數據庫.數據庫.
一些挑戰保持為了茶預言的茶玻璃v粘度因為茶玻璃v粘度是有財產那是非常難的到預測.預測. 第一的， v粘度有有巨大的整齊的的變化向上到肯定命令的震級。 有也是， v粘度是非常依賴的我們身體的和化學機制那能發生在茶玻璃熔化，取決於我們茶玻璃作品，喜歡快速地分離金子結晶，為了例子。
這裡是只是有短褲例子那節目這困難。 我們有已選擇三作曲的什麼我們稱呼衛星導航網玻璃，哪個是非常簡單的玻璃和僅有的3 氧化物。 瓦e應用茶最好的已知的楷模從茶文學到計算茶粘性城市。 時間母雞我們比較的茶預料到的價值觀和茶實驗性的價值我們有測量的和我們的自己的設備。你能看那甚至為了有非常簡單的玻璃，它是不是簡單的到獲得一可靠的價值為了茶預料到的v粘度。 這裡是有好的圖片我們喜歡到磨損的到給有看法的茶數據庫在哪裡每個嫁妝是一玻璃在有多維度的看法的茶領域的組成。
數據可能來從不同的孤立學習，金子我們能有數據未來從學習使用實驗性的設計，金子數據獲得從參數學習和變化的一成分在有時間。 瓦e花費有批的時間在茶過去的到申請不同的方法的機器學習。 有古典方法曾是用過的為了劃分茶數據進入有訓練放和有驗證放。 目的在茶結尾，不統計數據模型和可以接受預測性的能力曾是成立到預測茶v粘度。 時間帽子的為什麼我們有決定到磨損的有不同的方法。
反而的使用全部茶數據，我們思考它是更好的到創造有模型經過使用數據關閉到茶作品在哪裡我們想到預測茶v粘度。 所以為了例子，如果我們想到預測這裡，一模型將要是已創建從茶數據我們有在這區域，和有不同的模型將要是已創建如果我們想到預測茶財產這裡，為了例子。 時間帽子的為什麼我們說那這技術的是動態的因為茶模型依靠我們茶作品和它是有關的和已安裝在哪裡我們想到預測.預測. 瓦e說那茶模型是自動的因為我們其中有到做這手動。
每一個步是完畢經過有算法實施的在茶工具。 氧出生的茶最多重要的觀點是當然茶決心的茶最佳的數據放到創造茶模型。 F金子那，我們有實施的二方法的子採樣。 在茶第一的方法，有理論的金子虛擬的設計的實驗是生成的大約茶作品的興趣。 然後每個跑步的茶設計是被取代經過茶最多相似的實驗性的數據這裡在茶數據庫，領導到茶最終的訓練數據放。
在茶第二方法，我們有實施的在茶工具。釷是是基於我們不同的尺寸的數據套已創建大約茶作品的興趣。 有小的數據放是生成的經過茶工具和模型是已創建我們這小的子集到預測茶粘性城市。 時間母雞大和大數據套是生成的自動地和茶最佳的尺寸是評價的經過一些統計數據標準聯繫到每個子集。
最後，茶建造的茶楷模是基於我們三不同的算法實施的在茶工具。 第一的是有多項式模型獲得經過有多-線性回歸。 第二是有流派模型和神經的網模型。 有t茶結尾，我們有六不同的計算出的價值觀哪個使茶預言非常強壯的。
讓我們去到聯合管理計劃到看如何它作品。 L和我第一的展示你茶編碼。 時間嘿腳本，高手你能看，是辭職長的，關於700行，哪個是退出複雜的GSL編碼。 茶第一的事物你有到做是到進入茶作品的茶玻璃你想到預測茶粘度。 時間哦做那，你能磨損的年界面我們有創建.創建. 你只是有到選擇茶氧化物進入茶作品。 F金子每個氧化物,你只是有到進入茶重量百分。 金子如果你想，你能直接地進入茶作品在茶腳本，哪個是有小的少量更多的快的，我會說。
然後你發射茶腳本。 我將不會做那現在因為它需要關於一金子二分鐘。 它是不是非常長的。 目的為了這演示，我有已經跑步茶腳本。 讓我展示你茶結果。 在茶結尾的茶計算，你有這窗戶在哪裡你能得到有統計數據推遲。 非常有趣的。 第一的，這裡你有茶作品你有進入，它是只是有提醒。 瓦e有茶圖形顯示茶預料到的價值。 氧不是茶是軸，我們有茶預料到的價值觀的茶粘度計算出的經過茶三算法和為了茶二方法。
我們茶X軸，我們有茶數字的放大為了茶第二方法我有描述。 我不是紅色的，哪個是茶最多重要的價值，我會說，是茶平均的的全部茶不同的預測。 我t是茶最好的預言，我會說，的茶玻璃粘度。 我F我們需要到有更多的統計數據細節，我們有有批的信息在這推遲到學習茶質量的每個模型。 為了例子，我們能查看茶價值觀的茶按統計數據為了茶多-線性商業銀行F模型。
為了例子，這裡我們能看那茶按價值觀告訴我們那茶預言使用茶方法數字1是有小的少量更好的比為了茶第二方法。 瓦e還看那茶模型降解和茶放大的茶訓練放。 我們能還查看茶RS四價值觀為了茶二不同的方法和為了茶不同的算法，和我們能比較的他們。 瓦e能有甚至更多的細節我們茶設計的實驗那是已創建和全部茶公式的預言。 時間他的是有批的信息，目的那裡是茶最多重要的去這裡，哪個是茶預料到的價值的茶粘度。
讓我們去後退到茶微軟幻燈片軟件。 時間他的是茶結果獲得的茶簡單的衛星導航網玻璃，哪個是，高手我說早些時候，有簡單的玻璃和僅有的3氧化物。 目的我們有計算出的茶粘性城市為三不同的作品的衛星導航網玻璃。 瓦e比較的茶結果獲得從我們的工具這裡和茶結果從茶楷模可用的在茶文學。 在學期的茶相對的錯誤的預言，它有到是高手低的高手可能的。 瓦e能看那茶最好的結果的預言是獲得和我們的工具，哪個是真的偉大的。
H時間，我們有茶結果獲得我們更多的複雜的眼鏡。 時間嘿工具預測性的能力曾是評價的經過提取230行從茶全面的數據庫.數據庫. 在這桌子，我們有茶相對的錯誤的茶粘性城市預言為了不同的種類的玻璃和為了茶全面的子集的數據。 三分位數是給定，茶中位數，意義那50 %的茶預料到的價值觀有有相對的錯誤那是以下茶價值表明的這裡。 瓦e還給茶75 %和茶90 %分位數。 瓦母雞我們講話關於玻璃v粘度，傳統上，我們考慮那茶預測性的錯誤，大約30 %是非常好的。
瓦e看那為了茶多數的茶數據，茶模型能力是美好的和我們是非常快樂的和茶結果我們獲得。 這裡是一些非常重要的鑰匙參數.參數。 它是非常重要的到拿進入帳戶高手許多輸入從茶玻璃專家高手可能的。 為了例子，我們有到創造具體的算法到處理茶自然和茶牆的氧化物和粘稠的性。 其他觀點的主要的重要性是有關的到茶起源和到茶可靠性的茶數據。
為了這，有重要的數量的時間在這項目有到過花費到茶憲法的有可靠的數據庫.數據庫. 瓦e有到實施方法和我們有到學習不同的方法的計算茶距離之間茶玻璃作品。 我你是時間到得出結論現在。 我們有呈現二不同的盒子學習。 在茶第一的盒子學習，我們有已創建一些楷模和我們有比較的他們為了茶風險評估。 我們有見過那它曾是簡單的和聯合管理計劃到履行已安裝章魚哥模擬，甚至為了混合物設計和限制。 我們有見過那它曾是簡單的還到履行空間填充設計，和再次，甚至為了混合物設計。
經過結合已安裝章魚哥和空間填充設計,最糟糕的盒子機會有到過估計的。 我不是茶第二學習，我們有呈現茶工具我們有已創建和年原來的方法的二次抽樣茶數據。 為了每個作品的興趣，有具體的模型的粘度曾是建大約這作品，和我們有見過那茶預言準確性我們茶粘性城市曾是非常有希望和很多更好的比楷模可用的在茶文學。 謝謝你為了你的注意力。
