Aplicación de la Red Neuronal Probabilística para la clasificación de productos conforme a sus espeficicaciones
José Antonio Vázquez López
Manuel Darío Hernández-Ripalda
Armando Javier Ríos-Lira
Abstract:
The present article is about the problem of product classification in predetermined classes. In this problem was considered more than one evaluation criteria associated with quality product assessment, the considered product was an industrial plastic injection moulded test tube whose metrics for evaluation of quality were diameter and length; both features have upper and lower specifications. We consider a database obtained by measuring diameter and length of a test tube sample group, expressing the measurements in milimeters; forming the database that produces the product classification rules. This problem was approached in two stages; different between them by the number of classes. The first stage considers nine classes and the second one considers two. The classification problem was solved by a probabilistic neuronal network (PNN) with the use of a bayesian optimal classification rule. The efficacy of classification results of PNN and the best parameters values of network operation are presented. The PNN has a higher efficacy with a classification of a two-classes problem than in a nine-classes problem.
In Spanish:
En la presente investigación se plantea el problema de la clasificación de productos en clases predeterminadas. En este problema se consideró más de un criterio de evaluación asociado con valoraciones sobre la calidad del producto, el producto considerado fue una probeta industrial moldeada por inyección en plástico, cuyas métricas para evaluar la calidad fueron diámetro y longitud; ambas características cuentan con especificaciones inferiores y superiores. Se consideró una base de datos obtenida por la medición del diámetro y longitud de un grupo de probetas muestra, expresando en milímetros las mediciones; formando la base de datos que dio origen a las reglas de clasificación del producto. Este problema se abordó en dos etapas, diferentes entre sí por la cantidad de clases existentes en cada una. En la primera etapa se consideraron nueve clases y dos en la segunda. El problema de clasificación fue resuelto con la aplicación de una Red Neuronal Probabilística (RNP) y una estrategia de clasificación bayesiana. Se presentan los resultados de la eficacia de clasificación de la RNP y los mejores valores para los parámetros de operación de la red. La RNP presenta una mayor eficacia con un problema de clasificación en dos clases que en nueve.