Meilleur réseau de neurones pour certains types d'analyse de formes?

Question

Je travaille sur un système qui enverra les données de télémétrie sur le fonctionnement de la machine à un serveur central pour analyse. L'un des paramètres de la machine que nous mesurons est le courant moteur dessiné en fonction du temps. Une fois l'opération terminée, nous prévoyons de renvoyer un tableau de courants en fonction du temps au serveur. Une opération réussie aurait un modèle comme un trapèze, les opérations problématiques auraient un modèle complètement différent, plus comme un grand pic de valeurs. Quelqu'un peut-il recommander un type de réseau neuronal qui serait bon à classer ces vecteurs 1D des valeurs actuelles dans une sortie de type réussite/échec?

Merci, Fred

Answer 1

peut-être prendre la FFT et passer à travers un radial basis function neural network fera l'affaire. Il semble que les fonctionnalités que vous recherchez sont des fonctionnalités périodiques qui seront capturées par la FFT, et RBF peut faire l'apprentissage.

Answer 2

De nombreux types de réseaux de neurones pourraient être utilisés pour résoudre ce problème, mais j'imagine qu'une fonction de notation relativement simple pourrait aussi bien fonctionner et être beaucoup plus facile à implémenter. Si vous pouvez identifier les emplacements probables du début et de la fin de votre trapèze, je suggère d'essayer quelque chose comme la «différence absolue d'une forme de modèle trapézoïdale» moyenne comme mesure de la performance de la machine.