電子灌封硅膠的仿真預(yù)測樣式是如果，下面就讓錦聯(lián)電子硅膠企業(yè)詳細(xì)說說。
（1）學(xué)習(xí)樣本的確定
對(duì)世界天然橡膠產(chǎn)量的原始數(shù)據(jù)進(jìn)行規(guī)范化處理，構(gòu)成一個(gè)時(shí)間序列將以 1990 年為第一年開始的連續(xù) T 年的數(shù)據(jù)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(duì)應(yīng)的期望輸出根據(jù)以上分析，可以確定 18-T 組學(xué)習(xí)樣本．構(gòu)成矩陣 P 。依次類推，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(jié)點(diǎn)數(shù)為 T ；根據(jù)“2N +1”這一經(jīng)驗(yàn)，可確定隱含層節(jié)點(diǎn)數(shù)和輸出層節(jié)點(diǎn)數(shù)。構(gòu)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(xiàn)世界天然橡膠產(chǎn)量的 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測。
選擇訓(xùn)練函數(shù)為traingdx，輸入層到隱含層到愉出層的傳遞函數(shù)分別為tansig和purelin；最大訓(xùn)練次數(shù)epochs為10000次；訓(xùn)練誤差精度goal為 0.00l；show為25。 其他參數(shù)均選用缺省值。
由于隱含層中包含的神經(jīng)元的個(gè)數(shù)不同，因此得到的擬合結(jié)果也會(huì)有所不同。為了得到更好的擬合結(jié)果，首先對(duì)神經(jīng)元的個(gè)數(shù)進(jìn)行選取。由于輸入向量為2維，遵循原則，對(duì)神經(jīng)元個(gè)數(shù)為 3，5,7,9,11,13，15的情況分別進(jìn)行多次擬合。觀察擬合的平均誤差，發(fā)現(xiàn)隱含層的神經(jīng)元個(gè)數(shù)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(shù)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。 |
