こんにちは、 私の 名前の スティーブ マクスウェル。
I 午前 一つの エンジニア。
I 仕事 で その 半導体 業界。
今日、 私は 行く に 与える a プレゼンテーション の上 どうやって I JMPを使用する
で その 建物 の その 画像 分析 パイプライン。
A 少し 少し の 背景 の上 その 問題。
二 の 私たちの モジュール グループ で 私たちの 施設
走った の中へ 一つの 問題 と a 特徴
どこに だった 浸食 の上 その サイドウォール の その 特徴。
その として システム それ 私たちは 使用済み に 測定
その サイズ の これ 特徴 なかった 検出 これ 特徴、
そして それ しなかった 持っている その 能力 に 特徴づける これ。
その 一つの 年上の ピース の 装置、 しかし それはまた 支払済み のために それで 私たちは 気に入った それ。
その アプローチ それ I 雇用されている に ヘルプ 彼ら 外
だった に 建てる a 別 分析 パイプライン に 分析する 画像、
分類する 画像 それは 持つ 損傷の有無 ,
そして それ 生産する a メトリック それ かもしれない SPCに送信 システム のために 追跡目的。
I 使用 JMPは主に に 分析する データ、
に 建てる a モデル システム 展開中 そして 製造業、
として 良い として、 もっと 最近、
統合する いくつかの の その 実際の 画像 分析 の中へ 日本語: JSL。
病気 見せる いくつかの 例 の それ。
これ は a サンプル の 何 それ は それ だった 見ている で。
これ は a 良い 画像 その 左- 手 側、
そして これ は a 悪い 画像 の上 その 右側。
私たちは できる 見る ここ その のように 変化 そして 侵食。
それは 何 私たちは だった 見ている のために で これら 画像。
私たちは できた 見る から ここ それ その 測定、
どれの は 終わり の上 その 内部 の これ
しないだろう 本当に リセット に これら 特徴 その土地 で その 同じ スポット 毎 時間。
だった ない できる に 使うだけでわかる 私たちの 普通 方法。
これ は a 少し 少し もっと 詳細 について 何 私たちは だった 見ている。
これ は 一つの 例 の 何 いくつかの の それ データ 見た のように
もし 私たちは できた 見る から ここ それ けれど その プロセス だった 持つ 問題、
私たちは だった ない 検出 それ と その 測定値 それ 私たちは だった 使用しています。
私たちは立ち上げました の中へ 一つの アプローチ に 住所 これ 問題。
I 使用 その 標準 ETL 形式 のために ほとんどのデータ 科学 問題。
抽出する、 変身、 負荷。
I 得た に 壊す それ の中へ 4つのカテゴリー、
設定、 集める、 分析 そして 報告。
設定して コレクション、 標準 方法。
分析、 それは その 鍵 に これ。
それは どうやって 私は 再処理 その 画像
そして それから 抽出 メトリクス のために それらの 画像 それ 私たちは できる 使用 に 建てる a モデル
に 決定する かどうか または ない、 私たちは できた 検出する その 問題 で 手。
その アプローチ のために それ 分析 は に 変換する その 画像 から RGB、
どれの は 来る オフ の上 その システム、 その 測定 システム、
そして 変換する それらの に グレー 規模。
そして、 画像 は 切り取られた、 取り除く どれでも 測定 詳細、
すべて のように それ 外 の 彼ら。
それから その 次 ステップ は に 適用する 中央値 に これら 画像。
その 理由 なぜ する それ は だった 行く に ぼかし その 画像
そして 取り除く いくつかの の その ノイズ 外 の その 画像。
これ は a 鍵 ステップ のために 画像 分析 そして 画像 処理。
その アプローチ だった 使用済み として 一つの 実験的な アプローチ 違う カーネル サイズ、
違う カーネル 形状、 しかし で その 終わり、 は 落ち着いた の上
使用して a ディスク- 形の カーネル と a ピクセル 半径 の のように 5、7 , 10, そして 15 ピクセル。
のために それらの それ は なじみのない と それ 用語、
カーネル は 基本的に ただ 一つの 配列
それは 使用済み に 悪化させる 画像 いつ あなたは 再処理します。
後 それ だった 終わり、
抽出 の その メトリクス から その 再処理された 画像 だった 発展した、
使用済み いくつかの 違う 標準 指標、
構造の類似性 索引、 平均二乗誤差、 シャノン エントロピ、
それから a 少し 違う 次のようなもの ガウス分布 バージョン の SSIM、
として 良い として 見ている で その 手段 の その 標準 逸脱 の その
SSIM画像 グラデーション から その ガウス分布 加重 画像。
から そこで、使用される 次元 削減 テクニック
に 抽出する どれの の それらの メトリクス だった ほとんど 関連する、
に 試す そして 建てる a モデル、 予測的な モデル
そして それから 変換する それ の中へ いくつかの その メトリック
それ できた なれ 簡単に 解釈された の上 その 製造業
その間 ランニング 生産。
1つ の その フォローアップ の上 これ は いつ やっている その メトリック 抽出、
その 参照 画像 悪用 その 画像 それ
使用済み a カーネル と a ピクセル 半径 で 五、
そして それから その 7、10、15 カーネル 半径 は 準備した に それ 画像。
これ ショー a 少し 少し もっと 詳細 について
何 その 分析 パイプライン アプローチ 見た目 のように。
その オフライン アプローチ、 私たちは 始める と その 画像 取得。
明らかに、 これ は 終わり その間 その 製造業 プロセス。
後 それ、 当初、 これ 仕事 だった 終わり パイソン、
どれの だった に 変換する その グレースケール 作物、 の ノイズ、 その 画像、
そして それから 特徴 世代 メトリック 抽出、 SSIM、
平均 四角、 エントロピ、 計算、 等
JMP 日本語 もっている a パイソン ラッパー それ あなた できる 使用 のために 統合。
何ですか 素晴らしい は あなた できる 実は 動く a 多く の これ コード
で に その ジャンプ 環境。
病気 行く の中へ a 少し 少し もっと 詳細 について 何 それ は
そして どうやって I 使用 それを ヘルプ スピード これ プロセス 平行。
その ファイナル 成分 の これ だった に 開発する a 品質 メトリック。
これ は とても JMP集約型 ステップ として 良い。
それから 一度 a メトリック は 決定した、
あなた 動く それ 以上 の中へ 一つの オンライン プロセス
で どれの、 その 製造業 データ は 分析し、
そして 情報 は 押した に a SPC システム。
A 少し 少し もっと について パイソン/ 日本語 統合、
その 統合型 パイソン 分析 コード の中へ 日本語 使用して パイソン/ 日本語 ラッパー。
その データ 移行 発生する による 変換する JMP テーブル の中へ パンダ データ フレーム。
その データ フレーム は 合格した で 一つの 分析 コード。
その 結果 は 返された から パイソン に ジャンプ として a データ テーブル。
何ですか 素晴らしい について これ は それ 有効にする 使用して
一般 画像 分析 図書館 skimage、scipy、PILなど オープンCV , 等、
に 実行する その 仕事 その間 維持 その データ 内で その JMP フレームワーク。
これ、 で 私の 意見、 だった 鍵 なぜなら 私は ない 動く データ
から 1つ システム または 1つ プラットフォーム に 別の プラットフォーム そして 戻る そして 前へ。
I だった できる に 保つ それ 全て で 1つ スポット。
これ は a 少し 少し もっと 詳細 について
何 その 分析 パイプライン は やっている いつ その 再処理 その 画像。
これ は 何 I だった できる に 動く から ただ ランニング ゆっくり で パイソン
に 統合する それ の中へ 日本語 使用してみましょう 言う、 パイソン ライブラリ。
あなた できる 見る、 ここは a 悪い、 ここは a 良い。
私たちは 切り取られた その 画像 のみ 見せる
のみ 取る 基本的に これ 成分 の それ、 変換する それ に グレー、
そして それから 適用する 中くらい フィルター に ぼかし その 画像 と 違う カーネル サイズ
あなたのように できる 見る として 私たちは 増加 その カーネル サイズ、
彼らは なる a 少し 少し ぼやけます。
何 I 欲しい に ショーのテイクアウト ここ は のために a 良い 画像、 あなた できる 見る
その カーネル と ディスクサイズ 5対、 7対、 10 対 15,
見て かわいい 似ている に 1つ 別の .
一方 ディスク5、ディスク 7、 ディスク 10、ディスク 15, の上 a 悪い 画像、
あなた できる 見る それ による 時間 あなた 得る に ディスク 15,
これ 画像、 または カーネル サイズ 15,
これ 画像 は 起動 に 見て 似ている に これ。
による 削除する その ノイズ から これ 画像、
そして それから ノイズ除去 その 画像 段階的に
使用して 違う カーネル サイズ。
Th を可能にするのは 私たち に 成功 抽出する メトリクス
それ 私たちは できる 使用 に 差別化する 間 その 良い 対 その 悪い。
ごめん、 所有 の上 ここ。 私にさせて 行く 戻る 上。
で これ ポイント、 私は 行く に 打ち上げ デモ それ ショー
どうやって 私は 動く これ データ の中へ ジャンプ
そして それから 何 それ 見た目 のように として それ 基本的に 再処理 これ もの。
どうやって I する それ は その まず最初に I 必要 に する は I 必要 に 建てる a データ テーブル。
その a 素晴らしい 特徴 JMPでは、
あなた 行く に ファイル、 輸入 複数 ファイル ここ。
それから 何 私は 得た は 私は 得た 基本的に a サンプル セット ちょうど 五 画像
それ 私は 行く に すべてを組み合わせる 一緒に の中へ 1つ データ テーブル。
何 それ する は それ 実は 輸入 その 画像 として 良い として その 画像 ファイル 名前。
あなた 行く ここ、 クリック それ ファイル カラム 名前、 クリック 輸入、
そして
何 私たちは 得る、
は これ。
私たちは 得た 一つの 画像 の 私たちの 写真 それ 私たちは 欲しい に 分析します。
私たちは 得た a ファイル 名前 タグ 次 に それ。
私たちは 得た その データ インポートされた画像。
今、 その 次 ステップ は に 走る 私たちの 分析 コード
に対して それぞれ の これら 画像 そして 始める 抽出 メトリック。
私は 得た ...
変更された バージョン の それ コード ここ。
その 方法 これ コード 作品 は
そこには a パイソン 初期化 それ 発生する 日本語: JSL。
その後 一度 それは 終わり、
その データ テーブル それ あなた 欲しい に 分析する
は 過去 八 に パイソン として a データ フレーム。
で それ ポイント 下 その パイソン 提出する、
基本的に、 あなた 変換する 以上 に パイソン コード。
その後 あなたは 使用して 標準 アプローチ、
標準 コーディング 手順 のために パイソン
そして 分析する その 画像、 として あなた できる 見る ここ、
私たちは 図書館 輸入、 等
どうやって 高い これ コード だった、 基本的に に 探す a 束 の 機能。
それから それらの 機能 意思 戻る 一つの 出力
それ だろう 基本的に 得る 追加した 戻る の中へ その データ フレーム
それ は 押した 戻る 外 に ジャンプ の中へ その データ テーブル。
それは 終わり による 使用して これ ラムダ関数、
番目 は ラムダ 関数が適用される これ そうだった ノースカロライナ州 ション 全て 行、
これ 指定された カラム で その データ フレーム または その ジャンプ テーブル。
いつ 私たちは 走る これ...
私たちが 行く に する は 取る それ テーブル I ただ 建てられた
そして だった 行く に 抽出する、
しかし 何 だった 行く に する は 再処理する その 画像 そして 抽出する その メトリック。
何 私たちは 見る ここ は その 画像 それ は 表示中 以前。
私たちは 撮影 私たちの 写真、 私たちは 変換された それ に グレー。
それから 私たちは 開始 学ぶ それ。
私たちは 得た 5 ピクセル 半径 カーネル 7、 10と 15.
それから から そこには、 だった 抽出 全て の 私たちの 違う メトリック。
SS で のために 7を比較 に 5 SSIM。
SSIMは 構造的 類似性 索引、
7を比較 に 5、 10を比較 に 5、 15を比較 に 5.
それは 基本的に 何 だった やっている、 は 計算する 構造の類似性 索引
間 これ 画像 そして この画像、
この画像とこの画像
そしてこの画像とこの画像。
もし 私たちは 行く 戻る に 私たちの プレゼンテーション、
から ここ、 I 使用済み いくつかの 違う アプローチ のために 尋問 その データ。
最初は 多変量
多くの相関関係 に 仕事 と ここ。
その 赤 示す 悪い 画像、 青 示す 良い 画像。
アン 外れ値 分析、 ただ 見ている で その マハラノビス 距離、
ジャックナイフ 距離。
それは ただ に 見る かどうか または ない だった 重く 歪んだ、
あなた できる 見る それ 私たちは 得た もっと 外れ値
で その 悪い 人口 比較すると に その 良い。
しかし私は 考える もし あなた 別 これら 二 外、
これ 来る 下 a 少し 少し。
私は 表示中 これ ただ に 見せる あなた できる 行く で ここ、
そして あなた できる 始める トリミング いくつかの の これら 外 もし あなた 欲しい に、
もし あなたは ない 見る 良い フィットします。
しかし のために その 目的 の これ エクササイズ、
I しなかった 持っている に 取り除く または 隠れる どれでも データ で その 分析。
I だった できる に 使用 全て として それ は。
しかし どうやって I した それ だった ここ。
これ は その 主要 データ テーブル。
これ は 全て その データ それ I 見た で、 ここ 全て その 画像。
I だろう ただ 行く に 分析し、 多変量 方法、 走る その 多変量。
何 私たちは 欲しい に する は ただ 行く と それ、
実は、 ごめん、 で その 2番 ここ。
いつ 分類、
I した 使用 変換 の上 その 分類 から a キャラクター ベース t o 振り向く。
そこには a 素晴らしい 特徴 で ここ。
私たちは できる 行く に カラム、 ユーティリティ、 そして それから 作る インジケータ 列。
あなた できる 行く ここにクリックして追加 カラム 名前。
何 それ する は a 少し 言う、 "わかった、 それ は 1つ、 ゼロ。"
のために これ 行、 これ は 悪い、 ない 良い。
それから、 下 ここ に 行く 悪徳 逆もまた同様。
あなた できる 使用 それ 情報
に 餌 の中へ いくつかの の その 違う モデリング プラットフォーム
それ 私たちは ここを見て で a 少し 分。
戻る に その マルチ 多様です。
行く ここ、 行く に 走る 全て これら。
さあ 走る これ プラットフォーム。
それは 面白い。
さあ 行く ここ、 私の 悪い。
W e できる 見る 私たちの 相関関係。
それから に 得る その 外れ値 分析、
行く ここ、 クリック、
ごめん、 行く の中へ その マルチ 変化し、 あなた 行く 下 に 外れ値 分析。
あなた 走る 多くの ウール 距離、 あなた ジャックナイフ距離を走る .
そこには 違う アプローチ は ベース の上。
私は 持っていた に 得る 成功 このために。
これ は 最初のパス。
見た目 のように 私たちは 得た 何か に 仕事 と ここ。
その 次 ステップ は に 壊す これら 下 a 少し 少し もっと
に 見て で どうやって それぞれ の その 違う メトリクス は 応答
に 違う カーネル サイズ。
何 だった 本当に 見ている のために ここ は
入手方法...
私たちは 始める に 見る 大きい 変更 で その カーネル サイズ。
は その 線 まだ 重複 と 1つ 別の？
だった 起動 に 見る 分離。
見ている で 15 の上 悪い 、 対 15は良いです、
15は悪いです、 15は良い 構造用 類似性 で MSE
そして私たちは できる 始める に 見る それ、 だった 見る 分離 ここ。
I 考える それ は a 良い インジケータ
それ 私たちは すべき なれ できる に 抽出する 何か から これ。
それ だった 終わり 使用して その グラフ ビルダー デモ。
私は 得た データ テーブル 建てられた
具体的には のために これ
グラフ ビルダー、 素晴らしい 特徴 ここ。
私は ダンピング で カーネル サイズ。
私は 見ている その 価値 その ネットワーク、
これら の中へ グループ ベース の上 良い 対 悪い 分類 コード。
それから 私の 画像 メトリック は 行く に 使用 ページ。
ここ I ただ 行く 作成する a リニア フィット
それ 見て で 高度な のために 予測 , R²。
それは方程式を破るだけだ は そこには。
あなた できる 見る その 善良さ の その フィット。
I する のように 見ている で 応援する ポイント。
のために これ、 いつ I 使用済み 中央グリッド そして 動く これ 平行。
その ただ 簡単 その周り その 目 のために プレゼンテーション 目的。
あなた できる スクロール を通して ここ、
そして その 得た のために それぞれ の これら 本当に ニース 見ている グラフ に プレビュー。
に基づく その マルチ 変化し、 これ リニア フィット、
私は フィーリング かわいい 良い について その データ
それ 私たちは 抽出された から これら 画像。
その 次 ステップ は、 私たちは 得た a 多く の メトリクス それ 私たちは 抽出された から これら。
すべてを行う それの 案件、 する いくつかの の それ 案件？
その 次 カップル スライド、 私たちは 行く 以上 次元 削減。
具体的には、 I 使用済み a PCA そして 部分的 B 正方形 のために これ PCA。
と これ は 分類、 悪い 対 良い。
これ 行く 戻る に 何 I だった デモ 以前
そして その データ テーブル。
いつ あなたは 建物 a PCA、 あなた 欲しい に 持っている、 明らかに、
あなたの 入力 そして あなたの 出力 改作 として ベクトル で それ 分析。
その 理由 なぜ あなた 欲しい それ は なぜなら
あなたは 見ている のために 9番目 直交性 と よろしく に あなたの 入力 そして あなたの 出力。
その もっと 直交、 彼らは は に 1つ 別の、
その 少ない おそらく 彼らは 遊ぶ a 役割 何ですか 行く の上。
再キャスト
a キャラクター- ベース 分類 の中へ a 番号 作る それ 簡単 に 仕事 と。
私たちは できた 見る ここ、 私たちは 得た いくつかの ここ それ 見て のように 彼らは できた なれ 面白い。
いくつかの の これら は 面白い。
I 強調表示 これら に 走る これ 分析
そして 単に 取った 私の データ テーブル それ I 建てられた、
行く ここ、 分析、予測 モデリング。
ごめん、 多変量、主 コンポーネント。
何 だった 行く に する は キャスト 良い、 悪い 分類、
そして 全て の 私たちの 違う メトリクス の中へ その 分析。
見る ここ、 これら 面白そうです。
これら だった 特に 面白い。
何ですか ニース は いつ あなた ハイライト これら、
そして あなた 行く 戻る そして あなた 見て で あなたの データ テーブル、
それは ハイライト どれの 問題 あなた 選択されました。
多くの場合 PT できる 得る 本当に 忙しい、
それで その ハンディ に なれ できる に 行く 参照して、
"わかった、 それで これら は その もの それ 私は 実は 興味がある で。"
さあ 得る 戻る に ここ。
後 これ、 で a お願いします、 これ は もっと のために
ターゲティング どうやって 多くの 要因 私たちは 考える は 遊ぶ a 役割
で その データ それ 私たちは 得た、
として 良い として 助ける 私たち 識別する 追加 メトリクス
それ かもしれない なれ 面白い。
のために これ 特定の データ セット、
それ 見た目 のように それ 落ち着く で そして について
おそらく 最低限 五 要因 それ 私たちは だろう 期待する
それ 来る から これ 問題 より大きい よりも
ファン・デル・ヴォート T² メトリック ベース の上 その 職務マニュアル、
彼らは 参照 a アカデミック 研究によると、
何でも 行く について 0.1 は 通常 どこ あなた 欲しい に 始める で。
から そこには、 私たちは 走る その お願いします 要素 識別。
これ は あなたの VIP 対 係数 プロット、
そして から そこに、あなた できる ハイライト その 違う
メトリクス それ 思われる に なれ 運転 これ、 その もの それ は ほとんど 関連する。
その 方法 それ 作品 見ている で これら チャート は あなた 欲しい に 行く 外 に その 極端。
これら は 面白い。
として それ 取得する もっと近く、もっと近く に その ゼロ 係数、
その 少ない 面白い。
私は ない 行く に 走る その お願いします プラットフォーム
なぜなら これ 意思 実は 取る a その間 に 走る。
I しない 考える 誰でも 欲しい に ただ 時計 私の コンピューター 走る
これをやっている間。
に基づく 私たちの 寸法 削減、
I 終了 上 と これら 要因 いる その ほとんど 関連する
と よろしく に 何 それ は それ 私たちは 欲しい に 餌 の中へ その ニューラル ネットワーク。
いくつかの 実験、 I 見つかった それ それ だった 主に その お願いします 結果、
そして それから その 標準 10メートル法 から その PCA として 良い
いつ それ だった 追加した で、
それ 本当に 助けた 引く その モデル 一緒に。
トレーニング 対 検証。
明らかに、 私は 使用して a ニューラル ネットワーク に 建てる その モデル のために その 分類器。
その 理由 なぜ 私は 使用して それ プラットフォーム 具体的には のために これ、
それ もっている Kフォールド 検証予約済み で の上 その 標準 で その JMPプラットフォーム、
どれの は 素晴らしい。
私は 見つかった それ KF 歳 役立つ に 補償する
いつ あなたは ぐらつく の上 クラス 不均衡。
それは a 本当に 一般 問題 いつ あなたは 取引 と、
勉強する 製造業 プロセス。
Y どこにありますか ない 行く に 持っている a 多く の その 欠陥のある データ に 仕事 と。
あなたは 本当に 得た に 作る その 最高 の 何 あなたは 得た。
I 探す それ 時々 K-Foldsは次のようなことに役立ちます それ。
その 出力 から その ニューラル ネットワーク だった かわいい 良い、 実は。
その 方法 I する これ は 病気 走る これ モデル、 のように について 五 回、
そして それから 病気 すべてを比較する 5つの 彼ら 1つに 別の。
病気 取る 基本的に その 中央値、 これ 分類 レート、
そして それから 行く 下 ここ そして 見て で 私たちの偽りの 良い点 そして 間違い ネガティブ 料金。
と よろしく に、
その 間違い ポジティブ 料金。
I 見て で その 中華民国 曲線。
これは a 秘密 オペレーター 特徴 曲線。
あなた 欲しい に 見て で これら、
彼らは 欲しい に なれ 説明された として 高くて きつい、
その より近い これら 線 得る に これ 真ん中 ライン、
その より近い あなたの取得 に その コイン パスしてあなたの その 予測。
明らかに、 それ は ない 何 だった 見る ここ。
それから その 予測 プロファイラー もっている いくつかの 素晴らしい 特徴
なぜなら あなた できる 基本的に 並べ替え これら ベース の上
どれの は 遊ぶ その 最大の 役割 で その 予測、
として 良い として 視覚化、 のように 何 それぞれ 個人 メトリック は やっている
と よろしく に 遊ぶ a 役割 で その 予測 自体。
で これ 場合、
だった 見ている で 遷移 の その 支配的な 寸法 ここ。
こちらは a 少し 少し 奇妙な。
私は ない もちろん 何ですか 行く の上 それで。
A s あなた 得る 戻る ここ、 どこ その 少ない 支配的な 寸法、
あなた できる 始める に 見る 彼らは なる もっと 押した。
病気 走る その デモ のために その ニューラル ネットワーク。
私たちは 行く ここ。
分析します。
A 実際には、 私は 得た これ 1つ 建てられた すでに。
私にさせて...
私たちは 打ち上げ これ 分析。
私たちは 含まれる 私たちの 要因、 私たちの 回答 は 分類。
ニューラル ネットワーク しない ケア
もし あなたは 使用して a 数値 または キャラクター- ベース 応答。
それ 意思 仕事 と どちらか 1つ。
ここ、 のために 検証 方法、
Kフォールドがあります 使用して 5つ折り。
その 金 標準 のために ほとんど のように AI型 分析 は 10。
I 見つかった これ 五 だった 大丈夫
それで いいえ 理由 に 押す それ。
I 使用 三つ 隠れた ノード。
「Go」をクリックすると、 出力。
のように I 言った、 病気 走る これ おそらく
五 回、 読み取り値を取得する あなた できる 見る ここ。
私たちの 分類 は かわいい 良い。
良い 見る a 少し 少し 変化 の上 その 検証 セット。
しかし その 全て 内で 理由 のために 何 それ は それ 私は 見ている のために
と よろしく に その プロファイラー そして その 中華民国 曲線。
あなた 得る 下 ここ、 どれの 中華民国 曲線 あなた できる 見る ここ、
として I 説明された 以前、 これ 身長 特徴 の上 その 曲線。
検証、 多分 a 少し 少し 少ない、 しかし 我々はできる 仕事 と それ。
それから と よろしく に その プロファイラー。
プロファイラーの出力 見た目 のように これ。
それ しない 整える 彼ら そして どれの 1つ は ほとんど 関連する。
あなた 行く ここ
そして あなた 行く に 評価 変数 重要性、 独立した 制服 入力。
行く 戻る 上 ここ、 私たちは できる 見る a まとめ 報告。
ここ、 あなた 行く 下 に 変数 重要性、 メニュー。
から ここ、 あなた できる 並べ替え 要因 による 主要 効果の重要性。
のために これ モデル、 それ 並べ替え これ 方法、
色付けします。
あなた できる 見る ここ 私たちは 得た その 暗い 色 最も 関連する
そして それから それ 動き に その 右。
見てみましょう。
変換中 その モデル に 一つの SPC メトリック、 に 作る その データ より簡単に に 解釈する、
私たちは 必要 に 取る その 結果 から その モデル 変換された の中へ メトリック
それはできる なれ 投稿 に SPC システム そして プロットされた の上 SPC チャート。
その アクティベーション 成分 の その ニューラル ネットワーク モデル は a 柔らかい 地図 関数
それは a 標準 JMP で。
これ 計算する その 確率 の 一つの 画像 いる 良い または 悪い、
と その より高い その 二 結果として そして と その 画像 分類された として
そして 何 だった 行く に する ここ は 行く に 導入 a 3番目の指標 未知。
病気 見せる a 少し 少し について どうやって それ は 終わり。
1つ の その ニース もの について その ニューラル ネットワーク プラットフォーム
は その SAS データ ステップ 出力 ファイル は 実は のように a Pythonic モデル スクリプト。
通常 のために メートル法、 あなた 欲しい これ で パイソン、
それは なれ 本当に いいね、
忘れた どうやって に する それ 全て で ジャンプ。
これ コード から その ニューラル ネットワーク ここ、
その 実際の モデル 自体 できる なれ 出力された で これ 形式。
あなた ただ 行く に モデル そして 作る SAS データS ステップ。
ここ 私たちは 行く。
I 考える JMP Proでは、 あなた できた ただ 出力 それ による パイソン 直接、
しかし ない みんな もっている アクセス に JMPプロ。
それ 取得する どちらか 80 % の その 方法 そこには、
ない 100 %.
それ ただ 必要 a 少し 変更 で その 実際の コード。
の上 その 左 手 側、 私たちは 得た その SAS データS ステップ 形式。
の上 その 右側、 その その 変換 の それ に その パイソン。
その ただ 輸入 それ として 輸入 その 数学 図書館、
そして それから 適用する それ それで 私たちは できる 取る その 正接 に もの。
それから あなた 得る それ ここ。
何 私たちは 欲しい に する は しきい値、
私たちのS の 斧 確率 計算 だった やっている これ、
それよりも よりも ただ と言って、 どちらでも の これら、
は 最高 は あなたの 実際の 結果。
もし その 0.5 1、 悪い、 0.49 , 良い、 それから それは なれ 悪い。
は 私たちは 行く そして 私たちは 言う、 "わかった、 もし その ソフトマックス 出力 は より大きい よりも 0.75
それから その それ 分類器、 なぜなら それは なれ 等しい そして 反対。"
それは なれ 許容できる 1つ。
もし その 0.75 悪いですね その 悪い、
しかし もし その a 番号 少ない よりも それ、 それ しません 分類する それ として 良い または 悪い。
それは ただ 分類された として 未知。
良い 合格 それ の中へ 私たちの システム。
何 それ 伝える 私たち に する は 誰か 見て で それらの 画像、
なぜなら その 分類器 できない 決める かどうか または ない その 良い または 悪い。
その 出力、 そして これ は その 終了した 製品、
は に 変換する、 のように I 言った、
最終 メトリック の中へ 何か それ できた なれ 報告された 私たちの SPC システム。
基本的に、 何 だった やっている ここ は ただ 実は 報告
何 私たちの ソフトム 斧 確率 は、
服用 その 逆 の それ、 そして それから 適用する その しきい値
に 決定する かどうか または ない もの は 知られている または 未知。
に基づく それ、 これ は 私たちの イニシャル データ
それ 私は 示した で その 始まり の その プレゼンテーション
それ ショー これ は その チャート 見て のように のために その 測定 の その 欠陥。
それから これ は 何 私たちは 得る いつ 私たちは 行く で
そして 私たちは 再分析する それ データ そして 適用する これ 新しい メトリック、
どれの 伝える 私たち かどうか または ない それ 考える それ そこには 側 壁 特徴、
あなた できる 見る 見ている で その 同じ データ セット
それ はい、 それ とても 多くの それで 識別する それ として どちらか 良い または 悪い。
その 緑 示す それは a 良い。
その 赤 示す それらの だった 分類された として 悪い。
それから あなた できる 見る ここ の上 SPCデータ、
彼らは だろう 即座に 得る フラグ付き として 悪い として 良い。
これら 青 もの ぶら下がっている 外 ここ
は もの それ は 未知 それ それ は 伝える 私たち それで 多くの、
"行く 見て で これ。"
それ は 私の プレゼンテーション。
私は 投稿 その 情報 に その ユーザー コミュニティ サイト
もし 誰でも 欲しい アクセス に その コード
それは 使用済み のために その 画像 分析 それ は そこには。
感謝 あなた とても 多くの。
