Из 41-го спектра виброускорения каждого ролика были выделе-
ны максимальные значения амплитуд на информационных частотах,
и сформированы обучающая, тестовая и контрольная выборки. Это
потребовало определенной подготовки данных. Каждый спектр в диа-
пазоне от 0 до 20 кГц содержит 16 000 значений, отличающихся по
абсолютной величине в тысячи раз. Нейронные сети могут работать с
числовыми данными, лежащими в определенном ограниченном диа-
пазоне, в пределах которого сигналы различимы. Данный диапазон на-
зывается интервалом допустимых значений и определяется функцией
активации нейрона. Для различных функций активации эти интерва-
лы различны, что создает проблемы в случаях, когда данные имеют
нестандартный масштаб. Отображение множества значений исходной
величины в интервал допустимых значений осуществляется с помо-
щью простейшего преобразования — нормализации.
Аналогичные проблемы возникают при работе с данными нечисло-
вого характера. В настоящей работе использована номинальная пере-
менная “Качество шитья” = {Хорошее, Среднее, Плохое}, ее значения
необходимо преобразовать в числовой код. В пакете Statistica Neural
Networks имеются средства преобразования числовых данных в под-
ходящий для сети диапазон, а также как двух-, так и многозначных
номинальных переменных для последующего использования в ней-
ронной сети.
Нейросети формировались в программе Statistica Neural Networks
с использованием мастера решений (Automatic Network Designer).
В каждой серии экспериментов было сформировано по 5 сетей
классификации, их основные характеристики приведены в табл. 3. . . 6.
Основной характеристикой структуры полученной сети (см.
табл. 3) является ее профиль, определяемый типом, числом входных и
выходных переменных, числом слоев и элементов (сетей) или компо-
нентов (ансамблей). В нашем случае использовались сети следующих
типов: многослойный персептрон (МП), линейная сеть (линейная),
радиальная базисная функция (РБФ).
Для простых нейронных сетей число входных и выходных пере-
менных может совпадать с числом входов и выходов, но это не явля-
ется обязательным условием. В нашем случае число входов определя-
ется, как правило, числом информационных частот.
Производительность сети определяется на обучающей, контроль-
ной и тестовой выборках соответственно (в представленных таблицах
производительность на контрольной выборке опущена). Смысл поня-
тия производительности зависит от типа сети. Для сети классифика-
ции — это доля правильно классифицированных наблюдений в выбор-
ке. Для регрессионной сети — это отношение стандартных отклонений
ошибки прогноза и наблюдаемых значений. Поскольку формировались
ISSN 0236-3941. Вестник МГТУ им. Н.Э. Баумана. Сер. “Машиностроение”. 2008. № 4 101
