Hluboká neuronová síť je určena k aproximaci silně nelineárních závislostí, jako závislostí stavu zařízení na vybraných měřených parametrech zařízení. Pro odhad parametrů hluboké neuronové sítě (trénování) byl užit algoritmus zpětného šíření chyby. Trénování probíhá ve dvou fázích, tj. nejprve předučení sítě dopředným směrem pomocí autokodérů (učení bez učitele) a poté doučení sítě zpětným směrem (učení s učitelem), eliminuje se tak tlumení zpětného šíření chyby. Autokodér je vícevrstvý perceptron se shodným počtem vstupních a výstupních neuronů o lichém počtu vrstev, kde střední vrstva je označována jako dělící. Autokodér se na sadě vstupních vzorů učí autoasociativní funkci, tj. vzor předložený na vstup reprodukovat na výstupu.
Ke stažení:
Výsledek vznikl za finanční podpory Technologické agentury České republiky v rámci projektu č. TK04020003.
Úspory docílené včasnou diagnostikou stavu zařízení vzniklé předejitím následných ztrát.
