電子灌封硅膠的仿真預測樣式是如果，下面就讓錦聯(lián)電子硅膠企業(yè)詳細說(shuō)說(shuō)。
（1）學(xué)習樣本的確定
對世界天然橡膠產(chǎn)量的原始數據進(jìn)行規范化處理，構成一個(gè)時(shí)間序列將以 1990 年為第一年開(kāi)始的連續 T 年的數據作為一個(gè)樣本輸入，第T＋ 1 年的世界天然橡膠產(chǎn)量作為與其對應的期望輸出根據以上分析，可以確定 18-T 組學(xué)習樣本．構成矩陣 P 。依次類(lèi)推，我們可以得到期望輸出矩陣t.
（2）網(wǎng)絡(luò )建立及其初始化
由輸入矩陣可以確定輸入層節點(diǎn)數為 T ；根據“2N +1”這一經(jīng)驗，可確定隱含層節點(diǎn)數和輸出層節點(diǎn)數。構成了一個(gè) T-（2T + 1 ）-1的BP神經(jīng)網(wǎng)絡(luò )模型。借助Matlab7.0 的神經(jīng)網(wǎng)絡(luò )工具箱（Neural Network Toolbox）可以快速實(shí)現世界天然橡膠產(chǎn)量的 BP神經(jīng)網(wǎng)絡(luò )模型預測。
選擇訓練函數為traingdx，輸入層到隱含層到愉出層的傳遞函數分別為tansig和purelin；最大訓練次數epochs為10000次；訓練誤差精度goal為 0.00l；show為25。 其他參數均選用缺省值。
由于隱含層中包含的神經(jīng)元的個(gè)數不同，因此得到的擬合結果也會(huì )有所不同。為了得到更好的擬合結果，首先對神經(jīng)元的個(gè)數進(jìn)行選取。由于輸入向量為2維，遵循原則，對神經(jīng)元個(gè)數為 3，5,7,9,11,13，15的情況分別進(jìn)行多次擬合。觀(guān)察擬合的平均誤差，發(fā)現隱含層的神經(jīng)元個(gè)數為5時(shí)擬合效果最好，最終選取擬合的神經(jīng)元的個(gè)數為5。
深圳錦聯(lián)電子硅膠企業(yè)主要研發(fā)和生產(chǎn)各種電子灌封膠、LED硅膠等產(chǎn)品。 |
