Please use this identifier to cite or link to this item: http://hdl.handle.net/10261/13826
Title: Redes Bayesianas vs redes neuronales en modelos para la predicción del acabado superficial
Authors: Correa, M., Bielza, C., Pamies-Texeira, J., Alique López, José Ramón
Keywords: rugosidad superficial
redes Bayesianas
redes neuronales
estudio comparativo
Issue Date: Oct-2008
Publisher: Ivema
Abstract: Este trabajo propone el desarrollo de modelos usando técnicas conocidas de Machine Learning para la predicción de la calidad superficial, en concreto de la rugosidad superficial (parámetro Ra), en un proceso de fresado a alta velocidad usando variables clásicas como: características de la herramienta, parámetros de corte y vaiables del proceso (fuerzas de corte) e incluyendo otras más novedosas en este entorno como dureza del material y geometría de la pieza a mecanizar. Machine Learning es un subcampo de la inteligencia artificial, dedicado al diseño y desarrollo de algoritmos y técnicas que permiten aprender (aprendizaje inductivo o deductivo) a partir de patrones de conjuntos de datos. Esta técnica está estrechamente relacionada con la minernía de datos y la estadística. Se presentan dos modelos para predición de Ra desarrollados usando redes Bayesianas (Tree Augmente Network) y redes neuronales (Multi Layer Perceptron) entrenados con datos de pruebas reales tomadas en un centro de mecanizado a alta velocidad en el proceso de fresado. Se consiguieron buenos resultados de precisión en ambos modelos aunque se demuestra la superioridad de las redes Bayesianas no sólo en la bondad del clsificador sino principalmente en la interpretabilidad del mismo.
URI: http://hdl.handle.net/10261/13826
ISBN: 978-84-934065-1-6
Citation: Congreso de máquinas-herramita y tecnologías de fabricación (17º. 2008. San Sebastián)
Appears in Collections:(IAI) Comunicaciones congresos

Files in This Item:
File Description SizeFormat 
redes.pdf778,94 kBAdobe PDFView/Open
Show full item record
 
CSIC SFX LinksSFX Query

Items in Digital.CSIC are protected by copyright, with all rights reserved, unless otherwise indicated.