Prediction of Properties of Unknotted Spliced Ends of Yarns Using Multiple Regression and ArtificialNeural Networks.Part 1, Identification of Spliced Joints of Combed Wool Yarn by Artificial Neural Networks and Multiple Regression

Applying the software environment Statistica for neural networks allowed the use of artificial neural networks and regression analysis to predict the physical properties of unknotted joints of yarn ends. The database entered into the network was built on the basis of determining characteristic geometric dimensions and the strength properties of joints, as well as assessing non-additive features, represented by teaseling and tangling. Networks of the multilayer perceptron type (MLP) and generalized regression neural networks (GRNN) were used. In order to compare the results, multiple regression was also applied

---

Zastosowanie środowiska oprogramowania Statistica + Sztuczne Sieci Neuronowe pozwoliło na wykorzystanie sztucznych sieci neuronowych realizujących zadania regresyjne, do przewidywania właściwości fizycznych bezwęzłowych połączeń końców nitek. Bazę danych wprowadzonych do sieci zbudowano na podstawie wyznaczenia charakterystycznych wymiarów geometrycznych i właściwości wytrzymałościowych połączeń, oraz oszacowania cech nieaddytywnych, reprezentowanych przez splątanie i zmechacenie. Posłużono się sieciami typu perceptron wielowarstwowy MLP oraz sieciami neuronowymi realizującymi regresję uogólnioną GRNN. W celach porównawczych dokonano również predykcji właściwości omawianych połączeń przy użyciu regresji wielokrotnej.