Dobór architektury i parametrów procesu uczenia sieci neuronowych w doskonaleniu procesów produkcyjnych

Alternative title
Selection of neural network architecture and training parameters for manufacturing process improvement
Type
Book
Subtype
Monograph
Authors/Creators
Ministerial publisher
Politechnika Lubelska
ISBN
978-83-7947-635-0
eISBN
978-83-7947-636-7
Date
2025
DOI
10.35784/9788379476367
Abstract PL
Celem pracy jest zaproponowanie sposobu doboru architektury oraz parametrów procesu uczenia sztucznych sieci neuronowych, które mogą być skutecznie zastosowane w doskonaleniu procesów produkcyjnych. Praca koncentruje się na wykorzystaniu modeli neuronowych w następujących trzech obszarach: optymalizacji parametrów obróbki skrawaniem, ocenie jakości wyrobów gotowych oraz predykcji awarii maszyn. W ramach pracy poddano analizie wybrane architektury sieci neuronowych, takie jak perceptrony wielowarstwowe, rekurencyjne sieci LSTM oraz konwolucyjne sieci neuronowe. Opracowano szczegółową metodykę doboru odpowiednich architektur oraz parametrów ich uczenia, która obejmowała kompleksowy proces przygotowania danych, selekcji odpowiednich modeli oraz ich dostosowania do specyficznych wymagań poszczególnych zastosowań przemysłowych. Kluczowym aspektem tej metodyki było uwzględnienie charakterystyki dostępnych danych oraz specyfiki zadań, co pozwoliło na optymalny dobór architektury sieci neuronowej dla każdego z analizowanych obszarów.
Abstract EN
The objective of this study is to propose a methodology for selecting the architecture and training parameters of artificial neural networks that can be effectively applied to the enhancement of manufacturing processes. The research focuses on the utilization of neural network models in three key areas: optimization of machining parameters, quality assessment of finished products, and prediction of machine failures. The study examines selected neural network architectures, including multilayer perceptrons, recurrent LSTM networks, and convolutional neural networks. A detailed methodology was developed to determine suitable architectures and training parameters, encompassing a comprehensive process of data preparation, model selection, and adaptation to the specific requirements of individual industrial applications. A key part of this method was taking into account the types of data that were available and the specifics of the tasks. This let the best neural network architectures be chosen for each of the domains that were being studied.
Keywords PL
sztuczne sieci neuronowe
architektura sieci neuronowej
proces uczenia sieci neuronowej
doskonalenie procesów produkcyjnych
Keywords EN
artificial neural networks
neural network architecture
neural network training process
manufacturing process improvement
Version
Version of Record
Statistics
242Views
383Downloads
Kulisz, M. (2025). Dobór architektury i parametrów procesu uczenia sieci neuronowych w doskonaleniu procesów produkcyjnych. https://doi.org/10.35784/9788379476367
Thumbnail Image
Files
Dobor_architektury_97883794763...
PDF 23.56 MB
Licence
Except as otherwise noted, this item is licensed under the Attribution-ShareAlike licence 4.0
Accessibility issue?Request a WCAG-compliant file
Publication available in collections:
LUT Publishing House Publications
Open Access Publications