|
什么是神经网络 神经网络最初源于生物中人脑的体系结构，其具有并行计算和从经验中进行学习的能力。神经网络对建立那些具有非线性、不可直接测量和无法用规则进行描述的复杂过程的实时模型是一种很好的选择。 规则驱动的神经网络 不同于其它的神经网络工具，G2的NeurOn-Line将神经网络的定量推理和G2实时规则引擎中基于定性知识的推理结合在一起。有了这样的合并，G2 NeurOn-Line应用软件能够： 探测和响应可能导致神经网络进行非正确分析的异常数据； 通过对真实和预测的结果的比较，分析验证传感器数值； 通过神经网络预测的结果监测错误和异常的过程； 实时地给予操作员建议，告诉他们如何对通过神经网络分析监测到的异常情况做最好的处理。 G2 NeurOn-Line模块的优点 G2 NeurOn-Line与现有的控制系统一同工作，以便给予操作员对控制过程和产品质量实时的监测。它的实时神经网络和优化能力能够得到符合经济目标的控制决策，例如：最大的生产量或是能源、稀有材料等的最小消费等。 有了NeurOn-Line，制造商从软件的执行中获得的益处如下： 预测和控制－正确地预测、控制难以测量的产品质量数据和对非线性过程来说其它的一些可变过程，以此消除因延期导致的巨大开销和对硬件分析的依赖 过程优化－以经济为目标，在软、硬件条件的限制下，为达到质量和过程目标决定最优点集 传感器验证－比较软件分析器的结果，以便在发生故障时引导操作员 传感器支持－当传感器发生故障，利用预测的结果保持操作 过程知识－分析模型的灵敏性，获得对每个过程变化真实意义的新观察 NeurOn-Line快速建立和配置模型的优点包括： 强大的数据输入和可视化－对训练数据可视及高度地交互式预处理，加速了神经网络模型地创建 自动的体系选择－帮助确保大多数神经网络模型和预测的正确性 全局模型－通过合成一些最好的模型，用户可以建立完善的模型来处理大范围的过程环境； 快速的训练－利用神经网络先进的统计技术可以节约训练模型的时间 在线最优化－驱动过程数据集来达到经济目标，例如在软、硬件条件的限制下，同时为达到质量目标所得到的生产量或资源的最小利用率 灵活的调度－通过G2软件或ActiveX containers进行调度，其中G2软件为自动控制、企业系统和基于规则的推理提供off-the-shelf drivers
|
