#additivefertigung #additivemanufacturing #artificialintelligence | 3Dpartzz
Additive Fertigung und Künstliche Intelligenz (7) Die ersten Ergebnisse unserer Untersuchung. Die Topologie und die Art der Daten wurden in den vorherigen Artikeln bereits ausführlich beschrieben. Für das Trainieren unseres neuronalen Netzes haben wir das Deep-Learning-Framework Keras verwendet. In der ersten Trainingsphase haben wir die Anzahl der Epochen auf 500 gesetzt. Die Epochenanzahl definiert, wie oft das neuronale Netz vollständig alle Datensätze durchlaufen soll. Je höher dieser Parameter liegt, desto länger hat das neuronale Netz Zeit, Gesetzmäßigkeiten zu erlernen. Andererseits verzögert sich dann allerdings auch die Trainingszeit und es kann unter gewissen Umständen eine sogenannte Überanpassung eintreten. Wie gut das neuronale Netz gelernt hat, lesen wir an der Korrekt-Klassifikationsrate ab. Diese Rate gibt den Anteil aller Objekte an, die korrekt klassifiziert werden. Die Daten wurden schlussendlich dann noch in Trainings- und Validierungsdaten aufgeteilt. Mit den Validierungsdaten überprüfen wir die Leistungsfähigkeit des Netzes während des Trainings. Anhand des Diagramms (siehe Bild) sieht man den ersten Trainingsverlauf und wie gut unser Netz die Eignungsfähigkeit bei den Daten erkennt. #additivefertigung #additivemanufacturing #artificialintelligencede.linkedin.com
