조합 신경 회로망 조합 신경 회로망
스티븐 화이트, 식스 시그마 블랙 벨트, 케네 코트 유타 구리, 리오 틴토
JMP 분석은 다양한 광석이 우리의 금속 농축 과정에 어떻게 영향을 미치는지를 보여줍니다. 이 분석은 이론 및 관찰 된 결과가 서로 모순되는 경제 수요 곡선과 같은 다른 비즈니스 문제를 밝힐 수 있습니다. 금속 집중 과정은 가격과 수량간에 부정적인 관계가있는 경제 수요 곡선과 유사한 근본적인 관계를 가지고있다. 그러나 금속 농축 공정의 경우, 일일 결과의 산점도는 종종 광석 특성의 변화로 인해 예상치 못한 긍정적 인 관계를 나타냅니다. 비유하자면, 고객 선호도 변화로 인한 수요 곡선의 변화는 예상치 못한 양의 가격 대 수량 관계를 나타낼 수 있습니다. 이 프리젠 테이션은 이러한 모순 된 실제 결과 내에서 이론적 인 곡선이 어떻게 발견되는지 설명합니다. 분석은 수백 가지 잠재적 인 야금 및 운영 조건의 복잡한 데이터 세트로 시작됩니다. JMP의 파티션 플랫폼은이를 관리하기 쉬운 후보 목록으로 줄이기 위해 사용됩니다. 다 변수 플랫폼 및 주요 구성 요소 분석을 통해이 목록을 더 줄일 수 있습니다. 그런 다음 직선적 인 JSL 스크립트를 사용하여 나머지 용어의 조합을 테스트하여 최적의 신경 모델을 찾습니다. 버블 차트는 분석 결과를 표시하는 데 사용됩니다. 여기서 X는 r-sq (테스트)의 중간 값, Y는 r-sq (테스트)의 표준 편차 및 버블 컬러 = 특정 모델에 대한 용어 수입니다. 오류 시간 추정을 위해 반복적 인 홀드 아웃 방법을 사용하여 여러 무작위 훈련 / 유효성 검사 / 테스트 하위 집합을 사용하여 여러 번 실행 (컴퓨터 시간으로 제한)됩니다. 최적의 모델 선택은 용어 수, 모델 유효성 및 모델 안정성을 시각적으로 표시하여 단순화됩니다.
데이터 탐색
