組み合わせニューラルネットワーク 組み合わせニューラルネットワーク
スティーブン・ホワイト、シックスシグマ ブラックベルト、ケネコット ユタ カッパー、リオ ティント
JMP 分析により、さまざまな鉱石が金属濃縮プロセスにどのような影響を与えるかが明らかになりました。この分析により、理論と観測結果が互いに矛盾しているように見える経済需要曲線などの他のビジネス上の問題が明らかになる可能性があります。金属濃縮プロセスには、価格と数量の間に負の関係がある経済需要曲線に似た基本的な関係があります。ただし、金属濃縮プロセスの場合、日々の結果の散布図は、鉱石の特性の変化により、予期しない正の関係を示すことがよくあります。類推すると、顧客の好みの変化による需要曲線の変化は、同様に予期しない価格と数量の関係を示す可能性があります。このプレゼンテーションでは、これらの一見矛盾する実際の結果の中に理論的な曲線を見つける方法について説明します。分析は、数百の潜在的な冶金および運用用語の複雑なデータセットから始まります。JMP のパーティション プラットフォームを使用して、これをより扱いやすい候補リストに絞り込みます。多変量プラットフォームと主成分分析により、このリストがさらに絞り込まれます。次に、簡単な JSL スクリプトを使用して残りの用語の組み合わせをテストし、最適なニューラル モデルを見つけます。バブル チャートは分析結果の表示に使用されます。ここで、X = r-sq (テスト) の中央値、Y = r-sq (テスト) の標準偏差、バブルの色 = その特定のモデルの項の数です。エラー率の推定には繰り返しホールドアウト法を使用し、異なるランダム トレーニング/検証/テスト サブセットを使用して、複数の実行 (コンピューター時間によって制限されます) が行われます。項の数、モデルの有効性、およびモデルの安定性が視覚的に表示されるため、最適なモデルの選択が簡素化されます。
