版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
誤差自動補償任務實施【數(shù)據(jù)挖掘應用】課程智能產線應用會對數(shù)據(jù)進行合理的預處理;會根據(jù)需要正確設計、訓練全連接神經網絡模型;會根據(jù)結果調整神經網絡參數(shù)實現(xiàn)優(yōu)化;會正確部署神經網絡模型;會調用神經網絡模型實現(xiàn)誤差補償。能力目標誤差自動補償數(shù)據(jù)分析主要內容任務工單引導問題任務評價標準任務解決步驟代碼解析任務背景誤差補償分析補償模型自動誤差補償控制模塊原因:設備振動和溫度變化等因素導致原有生產工藝無法實現(xiàn)高質量生產途徑:對參數(shù)進行分析,自動修正加工參數(shù)目標:更多合格品指標:產品加工精度溫度補償示例教學難點任務工單
基于給定CSV文件中的誤差數(shù)據(jù)進行模型訓練,可選擇、調用云端已提供的完整模型框架,設計全連接神經網絡進行模型訓練。任務概述
基于給定的誤差補償數(shù)據(jù),訓練全連接神經網絡模型,并部署應用于工件生產過程中的自動化調參。010010011001101010100100110110100101110101000100001011011101001010101101010011010010
任務描述:
加工
雕刻
圖案
繪制
結果誤差補償數(shù)據(jù)清洗誤差補償模型構建誤差補償模型訓練與優(yōu)化誤差補償模型應用全連接神經網絡用于設備自動調參可提高生產合格率、節(jié)省材料、提高加工精度自動誤差補償控制模塊加工雕刻過程顯示任務概述(1)全連接神經網絡有什么特點?可以應用在什么場合?(2)如何查找數(shù)據(jù)集中的異常值?該如何處理?(3)如何通過發(fā)現(xiàn)原始數(shù)據(jù)中的規(guī)律來尋找噪聲數(shù)據(jù)?(4)如何測試模型的優(yōu)劣?當測試結果較好但實際應用效果不好時,會是什么原因?”
問題引導:任務概述
任務評價:任務概述評價內容評價要點分值分數(shù)評定自我評價1.任務實施數(shù)據(jù)獲取與清洗2分數(shù)據(jù)正確讀取與顯示得1分,會清洗數(shù)據(jù)得1分
模型構建2分會設計全連接神經網絡模型得1分,模型正確構建得1分
模型訓練1分模型訓練能正確執(zhí)行得1分模型保存2分模型正確保存得1分,模型正確部署得1分
2.效果評估模型評估2分訓練MSE值0.5以下得1分,0.25以下得2分
3.任務總結依據(jù)任務實施情況總結結論1分總結內容切中本任務的重點要點得1分
合計10分
任務解決方案(1)數(shù)據(jù)加載與清洗使用pandas工具從./wc.csv中讀取數(shù)據(jù),并對數(shù)據(jù)做必要的清洗。importnumpyasnpimportpandasaspdraw_dataset=pd.read_csv('./wc.csv',sep=',',skipinitialspace=True)np.set_printoptions(precision=3,suppress=True)dataset=raw_dataset.copy()#做必要的清洗print("剔除前:",dataset.shape)dataset=dataset.dropna()dataset=dataset[dataset["score"]>90]print("剔除后:",dataset.shape)dataset.head()任務解決方案(2)切分數(shù)據(jù)集準備好模型訓練所需的訓練集與測試集。按一定的比例隨機切分數(shù)據(jù)。#數(shù)據(jù)集切分train_dataset=dataset.sample(
frac=0.8,random_state=0)test_dataset=dataset.drop(train_dataset.index)#分別獲取訓練集和測試集的特征以及補償值train_features=train_dataset.copy()train_labels=train_features[['c'+str(i+1)foriinrange(8)]].copy()train_features=train_features.drop(['c'+str(i+1)foriinrange(8)],axis=1)train_features=train_features.drop(['score'],axis=1)任務解決方案(3)設計神經網絡根據(jù)應用場景和數(shù)據(jù)特征,設計全連接神經網絡結構并進行訓練。fromtensorflowimportkerasfromtensorflow.kerasimportlayersfromtensorflow.keras.layers.experimentalimportpreprocessingfromkerasimportregularizersmodel=tf.keras.Sequential([#根據(jù)情況調整模型結構layers.Dense(100,input_dim=train_features.shape[1],
activation=‘tanh’)layers.Dense(100,activation="tanh"),layers.Dense(32,activation="tanh"),layers.Dropout(0.5),layers.Dense(train_labels.shape[1])])任務解決方案(4)模型編譯與訓練根據(jù)應用場景和數(shù)據(jù)特征,設置損失函數(shù)、優(yōu)化器、指標等參數(shù)。model.compile(loss="mse",
optimizer="adam",metrics='acc')#根據(jù)情況調整參數(shù)model.summary()model.fit(#根據(jù)情況調整參數(shù)train_features,train_labels,epochs=200,batch_size=32)任務解決方案(5)模型評估與保存使用測試集檢測模型效果。繼續(xù)修改結構并訓練直至獲得符合要求的MSE值。保存模型。test_preds=model.predict(test_features)print("y1MSE:%.4f"%
mean_squared_error(test_labels,test_preds))tf.keras.models.save_model(model,
'/tf/models/adjustment/tensorflow/1/',
#/tf/models/adjustment/tensorflow為tensorflow-serving的模型根目錄overwrite=True,include_optimizer=True,save_format=None,signatures=None,options=None)任務解決方案(6)模型部署與應用修改誤差任務中的“服務地址”為最后的模型算法地址。在【PLC觸控操作面板】上切換模式,查看
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 山東省智能坐便器產品質量監(jiān)督抽查實施細則
- 廣東省汕尾市2023-2024學年六年級上學期英語期中試卷(含答案)
- CNY營銷方案快消品特輯
- 《汽車的造型》課件
- 婺源紅茶(征求意見稿)
- 編制說明《民用飛機超聲檢測、渦流檢測金屬對比試塊技術要求》
- 心里話作文的好詞好句
- 假期心得體會高中字篇
- 山東省濰坊市2020屆高三地理第一次模擬考試試題含解析
- 專題2 多邊形的面積-2023-2024學年五年級上冊數(shù)學計算大通關(北師大版)
- 壓力容器及壓力管道課件
- 花椒豐產栽培技術講課
- 2023育嬰師初級操作技能考核評分記錄表1
- 大學科目《食品營養(yǎng)學》期末考試試卷和答案(3套)
- Unit5SectionB(1a-1d)課件人教版八年級英語上冊
- 山東省濟南市歷城區(qū)2023-2024學年五年級上學期期中數(shù)學試卷
- 智算產業(yè)發(fā)展白皮書
- 初中英語八年級上冊Unit 4 Whats the best movie theater Section B 2a-2e 教學課件
- 北師大版中職《數(shù)學》下冊教學設計:第八章《概率與統(tǒng)計》第3課時8.3概率的簡單性質
- 癥瘕(子宮肌瘤)圍手術期中醫(yī)診療方案
- “課程思政”融入專業(yè)課教學的探索課程思政與專業(yè)課結合
評論
0/150
提交評論