ニューラルネットワーク/Neural Networkでファンの状態を診断する

[e.ono]

概要

 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。

説明

 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

ハードウェア/ソフトウェアの要件

[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

コードの実装/実行手順

 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。

その他の情報/参考資料

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