Professional Documents
Culture Documents
TAREA Nº1
“REDES NEURONALES”
Índice
Título Pág.
1.- Resumen............................................………………………………......……………………….……..3
4.- Código…………………………….………………...………………………….….....…..........................7
2
REDES NEURONALES
1. Resumen
Objetivo General:
Objetivos específicos:
3
REDES NEURONALES
2. Problema Propuesto
Dentro del negocio en la minería chilena tenemos varios equipos que son
fundamentales para la obtención tanto de pulpa de cobre como cátodos de los
mismos. Para el área seca de una mina los equipos fundamentales se denominan
chancadores, éstos son los encargados de moler la roca hasta un determinado
tamaño (granulometría). Debido a esto, los chancadores se encuentran en
constante trabajo realizando esta tarea, lo que provoca que todas las partes y
componentes de este equipo se encuentren vibrando a una determinada frecuencia.
Para éste caso, nos centraremos en el anillo de ajuste del chancador, el cual se
encuentran vibrando a medida que va pasando la roca por el equipo. Tal como se
muestra en la Figura.1:
Anillo de ajuste
4
REDES NEURONALES
Una vez obtenidos los datos del entrenamiento de la red podemos observar en las
gráficas a continuación los errores asociados a este proceso y a la validación misma
de los valores otorgados por la red.
5
REDES NEURONALES
Una vez obtenidos los resultados para los datos de salida (outputs) podemos
realizar una proyección del comportamiento de estos valores discriminando el uso
de los componentes y los cambios que se requieran hacer para futuros ciclos de
producción. Cabe destacar que el uso de este tipo de herramientas tiene un
potencial relevante dentro del uso de la programación en la parte técnica tanto en
el sector de la industria pública como las empresas privadas.
6
REDES NEURONALES
4. Código
% Solve an Input-Output Fitting problem with a Neural
Network
% Script generated by Neural Fitting app
% Created 09-Aug-2018 15:41:49
% This script assumes these variables are defined:
% i - input data.
% t - target data.
x = i;
t = t;
7
REDES NEURONALES
%figure, ploterrhist(e)
%figure, plotregression(t,y)
%figure, plotfit(net,x,t)
x = i;
t = t;
8
REDES NEURONALES
% Plots
% Uncomment these lines to enable various plots.
%figure, plotperform(tr)
%figure, plottrainstate(tr)
%figure, ploterrhist(e)
%figure, plotregression(t,y)
%figure, plotfit(net,x,t)
% Deployment
% Change the (false) values to (true) to enable the
following code blocks.
9
REDES NEURONALES
genFunction(net,'myNeuralNetworkFunction','MatrixOnly','
yes');
y = myNeuralNetworkFunction(x);
end
if (false)
% Generate a Simulink diagram for simulation or
deployment with.
% Simulink Coder tools.
gensim(net);
end
10