760557_es-ES

liliconcom

Red neuronal y gráfico de control.

Hola
¿Una red neuronal se ve afectada por valores atípicos?
Quiero diseñar un gráfico de control de Fase I basado en una red neuronal, pero después de cada eliminación de valores atípicos y remodelación de la red neuronal, la precisión del modelo disminuye.
¿Qué solución sugieres?

Ingeniería de Calidad y ProcesosRe: red neuronal y diagrama de control

¡Hola, @maryam_nourmand !

Los NN dependen más del tamaño del conjunto de datos de entrenamiento, especialmente cuando es pequeño. Por lo general, también tienen un generador de números aleatorios integrado como parte del proceso de capacitación. Yo sugeriría tres cosas:

Primero: establezca la semilla aleatoria (que hará que su NN sea reproducible en el mismo conjunto de datos). La semilla puede ser cualquier número que elijas; simplemente coloca algo en ese campo en el cuadro de diálogo.

En segundo lugar, asegúrese de configurar correctamente su estrategia de validación para su conjunto de datos. Hay muchas discusiones sobre cómo hacer esto en la comunidad.

En tercer lugar, asegúrese de utilizar un conjunto de datos lo suficientemente grande. He visto muchas sugerencias sobre esto, pero una que me gusta es la de 10 a 20 mediciones para cada factor que el NN está considerando tanto en el conjunto de entrenamiento como en el de validación. Entonces, si tienes 10 factores, serían entre 200 y 400 mediciones.

¡Espero que ayude!

Mejor,

M

Re: red neuronal y diagrama de control

Para complementar el excelente consejo de @MikeD_Anderson , una red neuronal ciertamente puede verse afectada por un valor atípico. Puede que no sea demasiado grave porque debería tener un tamaño de muestra mayor, como afirmó Mike. Sin embargo, debido a que las redes neuronales son modelos extremadamente flexibles, no funcionan muy bien con datos muy ruidosos. Tenderán a "reaccionar de forma exagerada" ante el ruido adicional. Y es por eso que pueden verse afectados por un valor atípico. Intentarán explicar los valores atípicos, que pueden provocar sesgos en el modelo. Esto apunta a la estrategia de validación que mencionó Mike.

Re: red neuronal y diagrama de control

Hola,

Gracias por su respuesta.

Mis datos están en el campo de la salud y, debido a la naturaleza real y la dificultad del muestreo, solo pude recolectar 94 muestras y tener 7 predictores. En investigaciones anteriores, se utilizó la regresión logística para la clasificación. En mi investigación, quería utilizar una red neuronal. Sin embargo, para diseñar un gráfico de control de Fase I, debido a la configuración de alfa, la identificación de valores atípicos, la eliminación de datos del conjunto de datos y el reentrenamiento de la red neuronal, encontré un problema. ¿Tiene alguna solución para diseñar un gráfico de control de Fase I basado en el modelo de red neuronal (preferiblemente sin eliminar datos)?

Re: red neuronal y diagrama de control

En su situación, realmente le perjudicarán los datos con un NN formal. Es posible que eche un vistazo a los SVEM (modelos de conjunto autovalidantes). Están diseñados para realizar una validación cruzada en DOE (conjuntos de datos muy pequeños) y, a veces, pueden ayudar en situaciones como esta. También se comportan algo así como NN (que en realidad son solo modelos de conjunto con un nombre elegante).;) ).

Puede obtener más información sobre ellos aquí:https://community.jmp.com/t5/Elevated-Thinking/SVEM-in-JMP-17/ba-p/538553

o aquí: https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Re-Thinking-the-Design-and-Analysis-of-Experiments-2021-EU-30MP/ta-p/349240

Re: red neuronal y diagrama de control

Tengo curiosidad por saber por qué elige utilizar un enfoque de modelado de redes neuronales para el inicio de un gráfico de control de la Fase 1. ¿Cómo le ayuda un modelo NN a establecer límites de control... especialmente para una respuesta que, por lo que ha compartido hasta ahora, es una respuesta nominal que normalmente se utiliza con fines de clasificación? Un cuadro de control tiene un orden de producción explícito inherente al proceso en estudio. Tal vez pueda compartir más información sobre el proceso en estudio y el objetivo práctico de establecer un gráfico de control de la Fase 1... que casi por definición dice que está interesado en estudiar/evaluar el proceso en algún espacio de tiempo futuro para la estabilidad en una Fase II. modo.