資源描述：
《附錄a cafÉ參考手冊》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、附錄ACAFE參考手冊A-1系統(tǒng)簡介A-2系統(tǒng)流程A-3資料格式簡介A-4實驗設計簡介A-5模型建構簡介A-6模型分析簡介A-7參數優(yōu)化簡介A-1系統(tǒng)簡介CAFE（Computer-AidedFormulaEngineering）是一套基於類神經網路的品質設計Windows化軟體，它是專門為品質因子之水準型態(tài)為連續(xù)型的問題而設計之系統(tǒng)。系統(tǒng)之特色有：(1)無限制最佳化問題與限制最佳化問題均可解。(2)品質設計問題與配比設計問題均可解。(3)單目標最佳化問題與多目標最佳化問題均可解。(4)平均品質設計問題與穩(wěn)健品質設計均可解。本系統(tǒng)各模組之間資訊的溝通是以檔案為基礎
2、，例如實驗設計產生來源資料，來源資料為模型建構所需的資料來源等，CAFE軟體將這些溝通、呈現(xiàn)以及與使用者互動的行為包裝起來，架構在Windows視窗程式的環(huán)境下，其友善性視窗化的操作，可提供使用者快速且便利的完成品質設計的整個流程，且系統(tǒng)包含實驗設計模組、模型建構模組、模型分析模組、參數優(yōu)化模組、使用者介面模組等五大功能模組。A-2系統(tǒng)流程本軟體的系統(tǒng)流程如下：連續(xù)變數品質設計系統(tǒng)(Cafe)連續(xù)變數配比設計系統(tǒng)(Cafe)中央合成設計(CCD)單體格子設計(SLD)、單體形心設計(SCD)實驗設計模型建構模型分析參數優(yōu)化倒傳遞類神經網路+LeaveOneOut倒
3、傳遞類神經網路+LeaveOneOut1.權值分析圖2.帶狀主效果圖隨機搜尋法隨機搜尋法1.權值分析圖2.帶狀主效果圖圖A2-1CAFé系統(tǒng)流程圖A-3資料格式簡介開始要使用CAFé進行品質設計前，如果實驗設計的來源資料檔是自行準備的，就必須符合表A-3-1格式，另外來源資料檔也可不包含欄位標題。表A3-1來源資料檔格式(包含欄位的標題)X1X2…XNinpY1Y2…YNout輸入變數筆數；輸出變數筆數。A-4實驗設計簡介所謂實驗設計是一種建立有效率實驗的方法，它以特定的實驗配置探求系統(tǒng)的因果關係。其目的在於以最少的實驗次數及適當的分析技術，獲得最多有用的系統(tǒng)之知
4、識。本系統(tǒng)提供二階反應曲面設計的中央合成設計(CentralCompositeDesign,CCD)，以及配比設計的單體格子設計(SimplexLatticeDesign,SLD)和單體形心設計(SimplexCentroidDesign，SCD)。中央合成設計原理為估計係數變異之最小化；另外配比設計之實驗設計常採單體格子設計，它令每種成份均離散成m+1個水準；配比設計的另一常用實驗設計為單體形心設計(SimplexCentroidDesign)。其在一個q種成份的單體形心設計中，共有2q-1個實驗點。A-5模型建構簡介A-5-1模型建構方式CAFE軟體採兩種方法
5、來建構模型：(1)Train-and-Test法：當CAFE採Train-and-Test法來驗證模型時，訓練範例與測試範例的比例採用7：3的比例。但當範例不足100筆時，則不區(qū)分訓練範例和測試範例。即將範例再複製一份至於原範例之後，前半為訓練範例，後半為測試範例。第一次執(zhí)行CAFE(倒傳遞網路)的Train-and-Test法時，皆採用30000個訓練循環(huán)，如果該循環(huán)的最小TestRMS仍為30000個訊練循環(huán)，則每次再遞增10000個訓練循環(huán)，直到找到比該次訓練循環(huán)還小的最小TestRMS訓練循環(huán)，則該次訓練循環(huán)稱為「CAFE(倒傳遞網路)的Train-and
6、-Test法-最終訓練循環(huán)」；則最小TestRMS訓練循環(huán)稱為「CAFE(倒傳遞網路)的Train-and-Test法-最佳訓練循環(huán)」。(2)Cross-Validation法：當CAFE採Cross-Validation法來驗證模型時，礙於系統(tǒng)尚未支援平行化處理，資料筆數大時將花費較多的時間建模，故如果範例資料小於100筆，則採用LeaveOneOutCross-Validation評估訓練範例績效的方法建模，如果範例資料大於100筆，則採用10-foldCross-Validation。Cross-Validation法的訓練循環(huán)方式同Train-and-Te
7、st法，建模方式為利用Cross-Validation法估計出最佳的訓練循環(huán)數，但此次訓練仍然保持原先設定的循環(huán)數將來源範例都當作訓練範例建模，待下一次建模再利用上一次指示的最佳循環(huán)數建模，此次即為Cross-Validation的最佳學習循環(huán)。A-5-2模型建構參數這兩種方法參數設定差異在驗證模型方式不同、訓練以及測試範例設定的概念不同。詳細參數設定說明如圖A5-2-1、A5-2-2：隱藏層數目模式選擇，依照題目的複雜度選擇適當的模式，運算公式如下，預設為Normal模式：Simple：隱藏層處理單元數目=(輸入層處理單元數+輸出層處理單元數)/2Normal：
8、隱藏層處理
