A learning process for a neural network for open-loop or closed-loop
control of an industrial process with time-variable parameters. The neural
network is configured either as an open-loop or closed-loop-control
network with which the process is controlled. The neural network is
trained with the current process data so that it builds a model of the
current process. The neural network can also be configured as a background
network which is trained during operation with representative process data
so that it builds an averaged model of the process over a longer period of
time. After a certain learning time or upon the occurrence of an external
event, the open-loop or closed-control network is replaced by the
background network.
Μια διαδικασία εκμάθησης για ένα νευρικό δίκτυο για open-loop ή κλειστών βρόγχων τον έλεγχο μιας βιομηχανικής διαδικασίας με τις χρόνος-μεταβλητές παραμέτρους. Το νευρικό δίκτυο διαμορφώνεται είτε ως open-loop είτε κλείνω-βρόχος-ελέγχου δίκτυο με το οποίο η διαδικασία ελέγχεται. Το νευρικό δίκτυο εκπαιδεύεται με τα τρέχοντα στοιχεία διαδικασίας έτσι ώστε χτίζει ένα πρότυπο της τρέχουσας διαδικασίας. Το νευρικό δίκτυο μπορεί επίσης να διαμορφωθεί ως δίκτυο υποβάθρου που εκπαιδεύεται κατά τη διάρκεια της λειτουργίας με τα αντιπροσωπευτικά στοιχεία διαδικασίας έτσι ώστε χτίζει ένα υπολογισμένο κατά μέσο όρο πρότυπο της διαδικασίας κατά τη διάρκεια μιας μακρύτερης χρονικής περιόδου. Μετά από έναν ορισμένο χρόνο εκμάθησης ή επάνω στο περιστατικό ενός εξωτερικού γεγονότος, open-loop ή το δίκτυο κλείνω-ελέγχου αντικαθίσταται από το δίκτυο υποβάθρου.