基於均勻實驗設計與多元回歸及類神經網路之建模研究
本研究利用均匀实验设计法产生训练数据,并使用倒传递类神经网路、调适性类神经模糊系统以及多元回归建立模型,以不同的数学函数模拟制程模型,探讨均匀实验设计法是否能以较少的数据建立准确度高的模型.研究过程以均匀实验设计与随机产生两种方法产生数据,以倒传递类神经网路、调适性类神经模糊系统、多元回归建立模型并进行比较,利用统计之相关系数R值,并绘出数据分布图来分析此模型之准确性.使用三种函数为案例,实验发现建模的最少训练数据量为均匀设计法所产生的27笔数据,其训练与测试之相关系数R值皆可大於0.95.研究结果发现,训练的数据量多寡及数据是否分布均匀皆会影响模型的准确度,推论因均匀设计法产生的数据有均匀分散的特性,可用较少的数据量得到较佳的建模.
均匀实验设计 类神经网路 调适性类神经模糊系统 多元回归模型
蔡進聰 鐘緯倫
國立屏東大學資訊科學系
国内会议
台湾
中文
45-55
2016-05-16（万方平台首次上网日期，不代表论文的发表时间）