Obrabotka Metallov. 2016 no. 2(71)

ОБРАБОТКА МЕТАЛЛОВ № 2 (71) 2016 31 ОБОРУДОВАНИЕ. инструменты Ø меры положения (опорные значения): средние i i y y • = , (2) медианы i y  ; (3) Ø меры рассеяния (прецизионность): стандарты отклонений ( ) i SD , (4) размахи max min i i R y y = - , (5) квартильные широты 0,75 0,25 ÊØ i i y y = - . (6) На одномерных распределениях частот (2), (4) и (5) базируется параметрический метод, а на (3), (6) – ранговые статистики. Чтобы упростить процесс анализа данных, в работе использована программа Statistica 6.1.478.0. После обработ- ки экспериментальных данных для получения параметров (2)–(6) проведено тестирование (1) при 1;6 i = на однородность дисперсий (нуль-гипотез 0 H по трем группам критери- ев ( 1; 3) ω = : 1 – Хартли, Кохрена, Бартлетта (в программе представлены одной совокупно- стью), 2 – Левене, 3 – Брауна–Форсайта при условии 0, 05 i ω a < , где i ω a – расчетный уровень значимости для статистик 1; 3 ω = . В данном случае однородность дисперсий принимается, если количество решений f 0 в пользу 0 H удовлетворяет требованию: f 0 ∈ [2; 3]. По критерию Шапиро–Уилка для принятия 0 H о нормальности распределе- ний (1) для каждого параметра и ВПК долж- ны удовлетворять строгим неравенствам: 0,5 i a > , где 0,5 – надежность принятия 0 i H . Методика реализации ИНС. Архитекту- ра ИНС определяет ее структуру, включающую входные, выходные (нейроны) и множество скрытых слоев, в которых присутствуют скры- тые нейроны (рис. 1) [13, 20]. ИНС может быть разных типов: многослойный персептрон (МП), радиальная базисная функция, самоорганизую- щаяся карта Кохонена и т. д. Для решения зада- чи в данной работе используем ИНС типа МП в пакете « STATISTICA Neural Networks », легко ин- терпретируемую как модель вход-выход. Такая сеть может моделировать функцию практически Рис. 1. Многослойная ИНС любой степени сложности, причем число слоев и число элементов в каждом слое определяют сложность функции. Количество входных и вы- ходных элементов устанавливается условиями задачи. На рис. 1 представлен МП, который со- стоит из множества слоев нейронных элементов. Входной слой нейронов выполняет распредели- тельные функции, а выходной слой предназна- чен для обработки информации от предыдущих слоев и выдачи результата. Между входным и выходным слоями расположены так называемые скрытые (промежуточные) слои. Под искусственным нейроном (ИН) пони- мают систему из двух элементов: сумматора и функции активации (рис. 2) [8, 21]. ИН получает входные сигналы (исходные данные либо вы- ходные сигналы других нейронов ИНС) через несколько входных каналов. Каждый входной сигнал проходит через соединение, имеющее определенную интенсивность (или вес ), кото- рая показывает синаптическую активность био- логического нейрона. Вычисляется взвешенная сумма входов и в результате получается вели- Рис. 2. Схематическое изображение искусственного нейрона: y 1 , y 2 ,… y N – входные сигналы; w 1 , w 2 ,… w N – веса нейронов предыдущего слоя; Y – выходной сигнал; f – функция активации; N – число входов данного нейрона