KI-Optimierung in JMP Pro ByTorchHallo zusammen,
Ist es möglich, das Deep-Learning-Modell JMP Pro Torch zur KI-Optimierung für Prozessparameter zu verwenden?
Wenn ja, welche KI-Techniken sind im Deep Learning von JMP Pro Torch verfügbar?
Bitte schlagen Sie vor.
Prädiktive Modellierung und maschinelles LernenBetreff: KI-Optimierung in JMP Pro ByTorchHallo @Sankaramuthu ,
Tut mir leid, aber ich verstehe nicht genau, was du machen möchtest:
- Möchten Sie Bayesian Optimization über Python-Bibliotheken zur Optimierung verwenden? Wenn ja, stehen Ihnen mehrere Bibliotheken zur Verfügung, oder Sie können in der Zwischenzeit das von @yuichi_katsumur entwickelte Add-In Bayesian Optimization verwenden. Bayesian Optimization sollte in JMP 19 integriert sein: DoE Bayesian Optimization
- Wenn Sie Deep Learning für die Analyse und Vorhersage komplexer/umfangreicher Datenformate (Text-/Bilddaten) verwenden möchten, können Sie das von @russ_wolfinger entwickelte Torch Deep Learning für JMP® Pro -Add-In verwenden. Einige zusätzliche Videos und Tutorials sind auf der Torch-Add-In-Seite verfügbar.
Wenn Sie Ihr Projekt, die Art der Daten, die Ziele, den Kontext usw. genauer beschreiben, kann dies die Qualität und Relevanz der Antworten, die Sie erhalten, erheblich verbessern. Wenn möglich, können Sie den Erklärungen auch einige Daten beifügen, damit die Leute verschiedene Ansätze ausprobieren und empfehlen können.
Hoffe, dieser erste Diskussionsstarter könnte Ihnen helfen,
Betreff: KI-Optimierung in JMP Pro ByTorchDanke @Victor_G für die schnelle Antwort.
Ich muss die Prozessparameter für die additive Fertigung optimieren, um den Maßfehler zu reduzieren.
Suchen Sie daher nach einer Option zur KI-Optimierung im Deep Learning von JMP Pro Torch.
Ich habe kontinuierliche Daten als Faktor und Antwort.
Betreff: KI-Optimierung in JMP Pro ByTorchOk, das sind sehr wenige Informationen, die Ihnen helfen.
Hier sind einige Fragen (keine vollständige Liste, geben Sie bitte so viel Kontext und Informationen wie möglich an! Lesen Sie bitte „Schnell die richtigen Antworten auf die richtigen Fragen erhalten“ 
- Wie viele Datenpunkte, Faktoren und Antworten haben Sie?
- Wie repräsentativ sind Ihre Daten für das zu lösende Problem? Wie groß sind die Bereiche? Handelt es sich nur um Beobachtungsdaten (Produktionsdaten)? Können Sie Ihren Produktionsdaten vielleicht experimentelle Daten hinzufügen (da Produktionsdaten oft engere Bereiche aufweisen als experimentelle/DOE-Daten, was die Optimierung schwieriger zu finden/umzusetzen machen kann)?
- Wie werden die Reaktionen gemessen? Wie zuverlässig/störanfällig sind die Messgeräte? Kennen Sie die Variabilität Ihrer Messgeräte?
- Welche Verbesserung der Reaktion wird erwartet? Wie groß ist die beobachtete Reaktionsspanne?
- Was ist Ihr Ziel? Nur eine Optimierung oder auch ein besseres Systemverständnis und eine vergleichende Wirkungsbewertung der Faktoren?
- Welche Analyse haben Sie bereits versucht? Warum sind die Analysen in JMP/JMP Pro nicht ausreichend? Die meisten Leistungsprobleme bei der Modellierung von maschinellem Lernen sind oft auf Datenqualitätsprobleme zurückzuführen, sehr selten auf eine unzureichende Modellkomplexität. Die Verwendung neuronaler Netzwerke für tabellarische Daten ist wirklich „ mit Kanonen schießen“: Meistens funktionieren einfachere Modelle gut.
- Was sind Ihre Kriterien zur Modellbewertung?
- Usw...
Ich hoffe, Sie können weitere Informationen geben,
Betreff: KI-Optimierung in JMP Pro ByTorchHallo @Sankaramuthu ,
Als Ergänzung zu den hervorragenden Antworten von @Victor_G noch ein paar weitere Gedanken:
1. Wenn alle Ihre Daten tabellarisch sind, ist XGBoost eine gute potenzielle Alternative und verfügt über einen integrierten Hyperparameter-Autotuner. Es ist zusammen mit Torch Deep Learning unter marketplace.jmp.com verfügbar.
2. Torch, XGBoost und andere Plattformen für prädiktive Modellierung verfügen über Profiler, die Sie nach dem Anpassen eines Modells vom roten Dreieck aus ausführen und dann die Funktion „Wünschbarkeit maximieren“ auf Ihre Prozessparameter anwenden können.
3. Halten Sie nächste Woche beim JMP Discovery Summit in Berlin Ausschau nach einigen relevanten Präsentationen.
