Eksperymentalny dobór parametrów sieci neuronowej dla wnioskowania w systemie PSW

Praca prezentuje opis eksperymentów wykonanych przy wykorzystaniu modułu automatycznego wspomagania diagnozy dla systemu PSW (Parotec System for Windows). Eksperymenty zostały wykonane w warunkach niedoboru ilości danych uczących sieć neuronową, stanowiącą trzon całości systemu wnioskowania. Korzystając z metody sztucznej generacji nowych danych pomiarowych na bazie danych rzeczywistych zakłócanych zbiorem wybranych funkcji przetestowano użyteczność dla systemu PSW trzech różnych konfiguracji sieci neuronowej: Back-Propagation, Counter-Propagation oraz ART. Przedstawiona została analiza uzyskanych wyników obejmująca m.in. porównanie efektywności badanych algorytmów oraz zaproponowany został kierunek dalszych badań.

---

The paper describes experiments done with the automatic diagnosis module for the PSW System. The experiments have been done in spite of insufficient data records used for learning the neural network. Taking advantage of the artificial data making data making system there was possible to examine some neural network models: Back-Propagation, ART and Counter-Propagation. The paper presents analysis of obtained results and compares efficiency of the neural network algorithms.