Multivariate statistical inference in a radial basis function neural network

مدل های رگرسیون و تحلیل واریانس روش های به طور گسترده ای برای تحلیل فرایندهای تولید در صنعت استفاده می شود. هدف آن تجزیه و تحلیل اثر متغیرهای ورودی فرایند بر ویژگی نهایی کیفیت است. با این حال، برخی از فرایندها دارای داده های پیچیده ای هستند که نمی توانند با رگرسیون خطی توصیف شوند و یا ویژگی های مختلف کیفیت محصول را کنترل کنند، با داشتن چند پاسخ همبسته، تحلیل و بهینه سازی فرایند را دشوار می سازد، بنابراین مشترک بودن بین پاسخ ها و ایجاد چند مدل مستقل برای هر پاسخ، باعث ایجاد مشکلات برای تصمیم گیری بر اساس این مدل ها. در این مقاله، استفاده از تجزیه و تحلیل آماری چند متغیره در شبکه عصبی پایه شعاعی، با توجه به اهمیت آماری بین متغیرهای مستقل و وابسته و همبستگی و تایید اگر مفروضات برای این تجزیه و تحلیل انجام شده است نشان می دهد. نتایج حاکی از آن است که تجزیه و تحلیل آماری چند متغیره در عملکرد پایه شعاعی یک روش خوب برای تجزیه و تحلیل فرآیند بر اساس متغیرهای همبسته است: آن را به فرضیه مورد نیاز برای این تجزیه و تحلیل، آن را تعیین تنوع روند و همچنین تعیین مهم ترین متغیر است که در فرآیند مورد استفاده برای ارزیابی فرآیند ریخته گری قالب دائمی تأثیر داشت.