A Rényi Intézet MILAB Deep Learning szemináriumának és az MILAB IoT
Szenzor Távközlés szemináriumnak a közös szervezésében Bergmann Júlia
(SZTAKI) ad elő november 24-én szerdán 16:00-kor. Az előadás magyar
nyelven, online formában kerül megtartásra ezen a linken.
Az Ipar 4.0 terjedésének köszönhetően a gyártásban is egyre nagyobb
hangsúly kerül a gépi tanulásra. Az iparban előállított adathalmaz
kiváló kiindulási alapot biztosít a berendezések és termékjellemzők
vizsgálatára, nem ismert összefüggések feltárásra. Az előadásban
példákon keresztül bemutatásra kerülnek a gépi tanulás algoritmusok két
lehetséges felhasználási módja. Akkumulátor cellákat összekötő lemezek
hegesztési minőségének előrejelzéhez áramerősség, feszültség és
elmozdulás alapján osztályozzuk a folyamatokat, csoportosítjuk a
görbéket és prediktáljuk a szakítóerőt. Egy másik példában bináris
klasszifikátort építünk egy alkatrész meghibásodásának deketálására. A
modellben használunk t-SNE reprezentációt, konvolúciós neurális hálót és
lineáris programozást is. Mindkét példa valós ipari problémából
született, a modellek gyártósorról gyűjtött adatokon keresztül kerülnek
kiértékelésre.