Машинно обучение за; индустриална енергийна ефективност

Машинно обучение, дълбоко обучение, изкуствен интелект, големи данни, невронна мрежа, генетични алгоритми ... технологията се използва ежедневно в маркетинговия дискурс и често по груб начин. Нека да разгледаме машинното обучение и неговия интерес към индустриалната енергийна ефективност.

Определение (я): Машинно обучение

Машинно обучение, или статистическо обучение, е една от дисциплините на изкуствения интелект. Той използва набор от методи и алгоритми за разработване на самостоятелен софтуер, способен да се научи разпознават състоянията на сложна система от историята на данните на наблюдаваната система.

Могат да се комбинират няколко типа алгоритми (дървета за вземане на решения, линеен дискриминант анализ, групиране и др.), Включително невронни мрежи, известни с първоначалната си амбиция да възпроизведат функционирането на човешкия мозък. Що се отнася до дълбокото обучение, то е "просто" (sic!) Приложение на невронни мрежи.

Приложения: широк спектър

От функционална гледна точка машинното обучение има две фази:

1- Първоначално обучение: направено от набор от входни данни и разбира се съответните изходни данни. Вземете пример от хранителната индустрия: като начало, температурата на прясно изпечена бисквитка, влажността и околната температура на лабораторията, размерите на лакомството и снимка; при излизане, съответствието му или не и причините за евентуалния му отказ (готвене, размер, аспект ...). Това съответствие е оценено „ръчно“.

2- Операция: след това алгоритъмът може да предложи изходна стойност въз основа на предоставените му входни данни. За нашия пример: от данните, събрани от сензори, приложението казва на машината кои бисквитки да се изхвърлят и изпраща ваучерите само в опаковка. Забележка: операционната фаза може да включва и учебни функции, за да се усъвършенстват уменията на алгоритъма.

| Много приложения се отнасят възприемането на сложна и разнообразна среда и/или съвкупност от данни:

Разпознаване на обекти в изображение, индексиране на изображения, гласово разпознаване ...
Автономна кола.
Откриване на измами.
Медицинска диагноза.
Финансов анализ.
Превантивна/прогнозна промишлена поддръжка.