SVĚTOVÝ, EVROPSKÝ A ČESKÝ AUTOMOBILOVÝ PRŮMYSL A TRH S AUTOMOBILY :: Šaroch a kol.

Obr. 8.26: Neuronové síť celého výrobního procesu

Zdroj: Vlastní zpracování V tabulce 8.3 jsou uvedeny souhrnně parametry jednotlivých sítí, včetně nau čenosti sítě v procentech a chybovosti prognóz při testování. Tato data poskytují důle žité informace o výkonnosti jednotlivých sítí a umožňují porovnání jejich schopnosti při prognózování. Naučenost sítě vyjadřuje úspěšnost při učení a schopnost adaptace na vstupní data, zatímco chybovost prognóz při testování poskytuje informace o přes nosti sítě při predikci výsledků. Tyto parametry jsou klíčové pro hodnocení výkonnosti neuronové sítě a poskytují důležité znalosti pro optimalizaci učení a predikce výsledků. S ohledem na tyto faktory je možné efektivněji upravit architekturu sítě a nastavit para metry učení tak, aby dosáhla lepších výsledků. Tab. 8.3: Souhrnné parametry naučenosti a predikce jednotlivých neuronových sítí

Chybovost

Fáze

Topologie

Naučenost sítě

Celková OK

NOK

1 2 3

WPS 151-77-1

96,48%

7/199 2/149

5/50

WPS 31-20-1 100,00% 0/59 WPS 76-45-1 100,00% 0/83 0/43 Proces WPS 115-60-1 94,17% 19/326 10/149 9/177 0/31 0/40 0/28

Zdroj: Vlastní zpracování

200