Benchtop Measurement and Test
Distributed Measurement and Control
High-Performance Test
Systems Engineering Software
Perspectives showcases how NI sees what’s next in the world of test and technology.
You can request repair, RMA, schedule calibration, or get technical support. A valid service agreement may be required.
Provides support for NI data acquisition and signal conditioning devices.
Provides support for Ethernet, GPIB, serial, USB, and other types of instruments.
Provides support for NI GPIB controllers and NI embedded controllers with GPIB ports.
From Friday, April 19th (11:00 PM CDT) through Saturday, April 20th (2:00 PM CDT), 2024, ni.com will undergo system upgrades that may result in temporary service interruption.
We appreciate your patience as we improve our online experience.
3層ニューラルネットワーク/Neural Networkでファンの欠けを学習し、未知のデータを診断します。
サンプルはAS ISで提供されています。
4つのステップで機械学習の基礎を体験できます。
1. 教師付きデータの収集
2. データの整理
3. 学習 (Stochastic Gradient Decentという手法を使っています)
4. 未知のデータの予測
[ソフトウェア]
LabVIEW 2014以降
DAQmx
[ハードウェア]
DSA Demo Box (ファンの欠けを模擬します。販売品ではないので、ご興味のある方はNIまで御連絡ください)
NI 9234
1.NI 9234をPCに接続し、NI 9234のエイリアスが"cDAQ1Mod7"となっているか確認ください。2.[1]Acq.viを開いてください。3.DSA Demo Box のFAN Speed ControlをDIALにしてください。次にスイッチををBalanced FANに移動してください。4.DSAデモボックスのファンを最大にしてください。5.データ保存?=True, Unbalanced?=Falseのデフォルト状態で、[1]Acq.viを実行してください。Balanced FANの状態の教師データが保存されます。6.DSA Demo Box のスイッチをUnbalanced FANに移動してください。7.Unbalanced?のボタンを一度押して、データ保存?=True, Unbalanced?=Trueの状態で、[1]Acq.viを実行してください。Unbalanced FANの状態の教師データが保存されます。8.[2]DataMergeを実行してください。データの前処理を行うVIです。9.[3]Train_Main.viを実行してください。このVIでは反復学習を行っています。Loss Function Chartが学習における誤差関数の表示です。学習が進むと誤差が0に近づきます。10.[4][DEMO]S&V_Test.viを実行してください。ここで、Balanced FANか、Unbalanced FANの予測を行いますので、DSAデモボックスのスイッチを切り替えて、予測の精度を確認してください。
コードの実装はこちらの書籍を参考にさせていただきました。
ゼロから作るDeep Learning
NIコミュニティのサンプルコード交換のサンプルコードは、MIT Licenseによりライセンス供与されています。
What do you need our team of experts to assist you with?
Thanks!
We'll be in touch soon!