Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/13949
| Title: | แบบจำลองของข่ายงานนิวรัล สำหรับทำนายเปอร์เซ็นต์ของแข็งของแชมพู |
| Other Titles: | Neural networks model for prediction of solid percentage of shampoo |
| Authors: | วิไลรัตน์ แซ่หยาง |
| Advisors: | ไพศาล กิตติศุภกร |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Paisan.K@chula.ac.th |
| Subjects: | แชมพู นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์) |
| Issue Date: | 2548 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | สร้างแบบจำลองข่ายงานนิวรัล สำหรับทำนายเปอร์เซ็นต์ของแข็งและความ หนืดของแชมพูในถังผลิตแชมพู ข้อมูลที่ใช้ในการฝึกและทดสอบข่ายงานได้จากการทดลองผลิตแชมพู โดยเปลี่ยนอุณหภูมิของถังผลิตตั้งแต่ 25-50 องศาเซลเซียล เวลาในการผลิตตั้งแต่ 10-35 นาที และอัตราส่วนผสมที่ใช้ของสารเคมีและน้ำเป็น 1 และ 2 ในการออกแบบโครงสร้างข่ายงานนิวรัลใช้ การเชื่อมโยงแบบการกระจายความผิดพลาดย้อนกลับ และอัลกอริธึมการเรียนรู้แบบรีเวนเบอกร์-มาร์ควอร์ในการฝึกข่ายงาน เปรียบเทียบผลความแตกต่างระหว่างผลจากการทำนายและผลจากการ ทดลอง โดยใช้ค่าดัชนีเปอร์เซ็นต์ความผิดพลาดกำลังสองเฉลี่ยน้อยสุด (Root Mean Square Percent Error Index: RMSP) และค่าดัชนีเปอร์เซ็นต์ความผิดพลาดมากสุด (Maximum Percent Error Index: MP) และคัดเลือกข่ายงานโดยใช้ค่าสมรรถนะความถูกต้องในการทำนาย (Accuracy Performance) ผลจากการจำลองพบว่าข่ายงานนิวรัลแบบการกระจายย้อนกลับ 2 ชั้นซ่อนที่มี 5 โนดใน ชั้นซ่อนที่ 1 และ 9 โนดในชั้นซ่อนที่ 2 สามารถทำนายเปอร์เซ็นต์ของแข็งและความหนืดได้ใกล้เคียงที่สุด ซึ่งค่าดัชนีความผิดพลาด RMSP และ MP ของการทำนายเปอร์เซ็นต์ของแข็งมีค่าเท่ากับ 9.71% และ 8.33% ตามลำดับ ค่าดัชนีความ ผิดพลาดทั้งสองของการทำนาย ความหนืดมีค่าเท่ากับ 15.73% และ 42.83% ตามลำดับ และสมรรถนะความถูกตต้องในการทำนายเป็น 80.85% |
| Other Abstract: | This research describes neural network models for the prediction of the solid percentage and viscosity of shampoo in a shampoo production tank. The data used for training and testing the neural network models, have been gathered from experiments with respect to changes in the tank’s temperature of 25-50 degree degree Celsius, production time of 10-35 minutes and mixing compounds with the ratio of chemical components to water of 1 and 2. Backpropagation and Lenvenberg-Marquardt techniques have been used to train varied neural network architectures and Root Mean Square Percent (RMSP) Error and Maximum Percent (MP) Error Indices have been employed to evaluate the accuracy of the obtained models. The simulation results show that the multiplayer feed forward neural network model with two hidden layers (5 node in first hidden layer and 9 node in second hidden layer) provide the best prediction of the solid percentage and viscosity. Its RMSP and MP indices of the solid percentage are 9.71% and 8.83% respectively and those of the viscosity are 15.73% and 42.83% respectively with accuracy performance of 80.85%. |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2548 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมเคมี |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/13949 |
| ISBN: | 9741752679 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Wilairat_Sa.pdf | 4.04 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.