コンビネーションニューラルネットワーク コンビネーション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、ケネコットユタ銅、リオティント
JMP分析は、さまざまな鉱石が金属濃縮プロセスにどのように影響するかを示しています。この分析は、理論と観察された結果が互いに矛盾していると思われる経済需要曲線など、他のビジネス上の問題に光を当てる可能性があります。金属濃縮プロセスは、価格と量の間に負の関係がある経済需要曲線と同様の根本的な関係を持っています。しかし、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せぬ、正の関係を示すことがよくあります。同様に、顧客の嗜好の変化による需要曲線の変化は、同様に予想外の、正の価格対数量の関係を示す場合があります。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曲線をどのように見つけることができるかについて説明します。分析は、数百の潜在的な冶金学的および操作上の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は、これをより管理しやすい候補のリストに減らすために使用されます。多変量プラットフォームと主成分分析により、このリストはさらに少なくなります。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。バブルチャートを使用して分析結果を表示します。ここで、X = r-sqの中央値（test）、Y = r-sqの標準偏差（test）、バブルカラー=その特定のモデルの項数です。誤り率推定のために反復ホールドアウト方法を利用して、異なるランダムトレーニング／検証／テストサブセットを用いて（コンピュータ時間によって制限される）複数の実行が行われる。最適なモデルの選択は、用語の数、モデルの有効性、モデルの安定性を視覚的に表示することで簡単になります。
データ調査
