Si un adaptador de batería ha perdido
su integridad al probar muchas baterías indeseables,
se puede borrar el valor del vector y se le puede volver a enseñar.
Como alternativa, Cadex pondrá a disposición en
la Internet valores recomendados de vector. Además, los
usuarios pueden intercambiar información especializada
entre sí. Esto se resuelve copiando adaptadores de baterías
por medio de la inserción del adaptador con lecturas
aprendidas en el analizador. Otro método es el de difundir
la información por Internet.
El QuickTest se puede realizar con precisión con
un nivel de carga del 50% o más. Dentro de este rango,
los diferentes niveles de carga no afectan las lecturas. Si
la batería no está suficientemente cargada,
aparecerá un mensaje para cargar la batería.
Después que el adaptador de batería ha pasado
por el proceso de aprendizaje, o ha recibido los valores de
vector de otra fuente, el QuickTest puede probar procesos
químicos nuevos de batería. La prueba dura aproximadamente
tres minutos por batería. Cada estación del
analizador de batería C7200 puede probar baterías
independientemente.
Inteligencia artificial, parte esencial del QuickTest
de Cadex
El QuickTest de Cadex trabaja en una red neurológica
basada en una lógica difusa y se parece al proceso
de pensamiento del cerebro humano. Primero, se alimentan valores
múltiples de vector en el micro controlador y se hacen
difusos. Los datos se procesan luego a través de una
lógica paralela. La información se promedia
y se pondera según la aplicación de la batería.
La Figura 2 ilustra la estructura general de dicha red:
Figura 2: Organigrama de la neuro-red basada en una lógica
difusa
Los datos en bruto fluyen a través de la capa de entrada
que consiste en tres o más elementos. Los vectores
que vienen desde la capa de entrada son ponderados y los valores
derivados pasan por una función en la capa oculta.
La información luego procede hacia la salida usando
otro juego de vectores. Las ponderaciones son de mucha importancia
y funcionan como las instalaciones de aprendizaje de la red.
Por ejemplo, una ejecución procedería con un
cierto juego de ponderaciones. Si el resultado
se aparta un cierto rango, las ponderaciones se cambian y
el proceso se vuelve a ejecutar. Este proceso se repite hasta
que suceda un cierto número de iteraciones o el algoritmo
produzca el rendimiento correcto.
Por supuesto, la inteligencia artificial es un asunto complicado,
y mayores detalles están más allá del
alcance de este artículo. De acuerdo a Lofti Zadeh:
"A medida que aumenta la complejidad, las declaraciones
precisas dejan de tener significado y las declaraciones con
significado pierden precisión."
|
