Optimization of neural networks structure selection in modelling spheroidal graphite cast iron for automotive camshafts

The present article discusses the process of optimizing the structure of artificial neural networks applied in modelling the wear of spheroidal graphite cast iron (SG cast iron). The networks were trained using the RPROP gradient method with the application of the SNNS package supported by original self-developed software, which enabled automatic creation, training and testing of networks with different sizes of hidden layers. Based on the results of an analysis of learning process and testing a package of 625 networks, the network was selected which – when modelling the process of spheroidal cast iron wear – generates the slightest errors during testing.

W pracy przedstawiono proces optymalizacji struktury sztucznych sieci neuronowych użytych do modelowania zużycia żeliwa sferoidalnego. Sieci uczono metodą gradientową RPROP przy użyciu pakietu SNNS wspomaganego autorskim oprogramowaniem, które umożliwiało automatyczne tworzenie, uczenie i testowanie sieci o różnych wielkości warstw ukrytych. Na podstawie analizy wyników procesu uczenia i testowania pakietu 625 sieci dobrano tę, która modelując proces zużycia żeliwa sferoidalnego generuje najmniejsze błędy podczas testowania.