پروژه دانشگاهی طراحی شبکه های عصبی

هدف پروژه: این پروژه شامل توسعه دو شبکه‌ی عصبی مصنوعی اصلی است که از یک مجموعه داده بزرگ ناشی از یک طراحی آزمایش (DoE) استفاده می‌کند. این طراحی آزمایش در آزمایشگاه LCFC انجام شده و رفتار اپراتورها را در یک سیستم تولید واقعی و یک محیط واقعیت مجازی (VR) تحلیل می‌کند. داده‌های این آزمایش با استفاده از یک لباس موشن کپچر (ضبط حرکت) شامل 18 حسگر و با نرخ 60 فریم در ثانیه جمع‌آوری شده است.  شرح مجموعه داده: مجموعه داده شامل سه بخش اصلی است: ویژگی‌های اپراتور و شرایط کاری:اطلاعاتی مانند قد، جنسیت، دسته‌ی شغلی-اجتماعی اپراتور، نوع شرایط (واقعی یا VR)، و شناسه قطعه ساخته شده.کیفیت اندازه‌گیری وضعیت بدنی:کد عددی که مشخص می‌کند آیا وضعیت بدنی قابل استفاده است یا خیر:1: بدون مشکل0: مشکل شناسایی شده است.ویژگی‌های وضعیت بدنی:آمار مختلف (حداقل، حداکثر، میانگین، میانه و انحراف معیار) از حرکات مفاصل بالاتنه برای 5 مرحله اصلی فرآیند مونتاژ:برداشتن اولین صفحهبرداشتن صفحه دومبرداشتن 4 پیچاستفاده و برداشتن پیچ‌گوشتیبرداشتن صفحه پیچ‌شده اهداف اصلی: مدل اول: شناسایی وضعیت‌هایی که با توجه به بیومکانیک انسان نامعتبر هستند (مدل طبقه‌بندی).مدل دوم: شناسایی اینکه آیا قطعه در سیستم تولید واقعی مونتاژ شده یا در واقعیت مجازی (مدل طبقه‌بندی).مدل سوم: پیش‌بینی زوایای مفاصل با استفاده از ورودی‌هایی مانند قد، جنسیت، دسته شغلی، شرایط کاری و تعداد قطعات ساخته‌شده (مدل رگرسیون). کارهایی که باید انجام شود: انتخاب ورودی‌های مناسب برای هر مدل و اجتناب از استفاده از تمام 200 پارامتر موجود به دلیل ریسک بیش‌برازش.طراحی و آزمایش شبکه‌های عصبی با ساختارهای مختلف برای پیدا کردن بهترین پیکربندی.انجام تحلیل حساسیت برای شناسایی مهم‌ترین پارامترهای آماری (مانند میانگین، میانه یا انحراف معیار).اگر لازم باشد، تجزیه و تحلیل را به جای همه مراحل کاری، برای هر مرحله به طور جداگانه انجام دهید. توضیحات نهایی: در گزارش نهایی باید انتخاب‌ها و نتایج شما توضیح داده شوند و بهترین پیکربندی برای هر یک از اهداف سه‌گانه مشخص گردد. همچنین می‌توانید یک برنامه طراحی کنید که به طور خودکار پیکربندی‌های مختلف شبکه را آزمایش کند تا بهترین ساختار شناسایی شود.