|
| << vorige | volgende >> |
Tijdschrift beschrijving
Alle jaargangen van het bijbehorende tijdschrift
Alle afleveringen van het bijbehorende jaargang
Alle artikelen van de bijbehorende aflevering
Details van artikel 5 van 16 gevonden artikelen
| Titel: |
CLUSTER ANALYSIS OF MINERAL PROCESS DATA WITH AUTOASSOCIATIVE NEURAL NETWORKS |
| Auteur: |
Aldrich, Chris |
| Verschenen in: |
Chemical engineering communications |
| Paginering: | Jaargang 177 (2000) nr. 1 pagina's 121-137 |
| Jaar: |
2000-01-01 |
| Inhoud: |
Experimental results indicate that autoassociative neural networks provide a robust method for the identification of clusters in process data. Cluster identification is accomplished by extracting a single feature from each multivariate data vector. The ranked features can be used to construct a feature curve, which is subsequently used as a basis for partitioning of the data space. In three case studies, involving two sets of ore samples, and a set of flotation froth features, with 11, 13 and 5 variables respectively, the clusters identified with the neural network appeared to be better than those obtained by conventional means. |
| Uitgever: |
Taylor & Francis |
| Bronbestand: |
Elektronische Wetenschappelijke Tijdschriften |
Details van artikel 5 van 16 gevonden artikelen
| << vorige | volgende >> |