基于实验设计方法的神经网络建模研究+源程序(3)
本文便是从这一点入手思考，将用实验设计的方法来计算是否经济合理。运用不同的实验设计方法进行取点拟合函数，从而找到最优化的数据来实现神经网络建模的误差最小化。对于神经网络函数的建立，也从经济合理考虑，达到最终要求的目标，将建模的误差降到最低。同时进行对比选取，不同的实验设计方法选取的数据，适合不同的领域使用，从而达到经济合理的目标。
1.1. 建模研究领域
现在的神经网络建模的研究可以分为理论研究和应用研究两大方面。
理论研究可分为以下两类：
1、利用神经生理与认知科学研究人类思文以及智能机理。
2、利用神经基础理论的研究成果，用数理方法探索功能更加完善、性能更加优越的神经网络模型，深入研究网络算法和性能，如：稳定性、收敛性、容错性、鲁棒性等；开发新的网络数理理论，如：神经网络动力学、非线性神经场等。
应用研究可分为以下两类：
1、神经网络的软件模拟和硬件实现的研究。
2、神经网络在各个领域中应用的研究。这些领域主要包括：
模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。随着神经网络理论本身以及相关理论、相关技术的不断发展，神经网络的应用定将更加深入【1】。
对于本课题的研究，我认为本课题的重点内容是分别运用不同的实验设计的方法对已知函数进行拟合，并且基于实验设计进行神经网络建模。对于这部分内容，必须要对实验设计的原理熟练掌握，其次对于不同实验设计所用的方法也要手到擒来，不能混淆，否则将影响实验结果。
完成不同方法的曲线拟合之后，还要根据拟合结果进行比较，从而得出结论。这些所得出的结论并不是课题的结束，反而才是课题的开始，本课题主要运用之前的结果进行神经网络建模，需要运用之前的数据进行建模，最终比较得出结论。所以我认为这是本课题的技术核心。
1.2. 研究内容
首先，先对各种实验设计的方法进行学习，并将它们的特点，设计方法，选取表格进行深入的学习，掌握各种实验设计的基本原理。
然后，对于本次课题用到的主要软件Matlab进行学习，先学习Matlab的基本编程语言，对于特殊的语句要进行深度记忆，然后便开始在Matlab软件上，运用不同的实验设计的方法选取样本数据，进行函数的拟合，获得最优的样本数据，拟合完成后，比较不同的实验设计方法的误差大小，最终得出结论。
其次，将之前不同实验设计方法所取得的数据，运用BP神经网络建模进行误差对比。先建立BP神经网络训练函数，观察训练的误差性能曲线以及训练结果误差的波动范围，并进行对比得出结论。
最后，实现基于DOE的神经网络建模，对比基于不同实验设计方法所选取的相同大小的数据样本的神经网络建模的误差波动范围，最终得出结论，完成本次研究。
2. 实验设计介绍
2.1. 实验设计概述
实验设计是一种有计划的研究，它包括一系列有意图的过程要素的改变与效果观测，对这些结果进行统计分析以便确定过程变异之间的关系，从而改变这过程。在心理学实验上，实验设计是这样定义的：
广义的实验设计指科学研究的一般程序的知识，它包括从问题的提出、假说的形成、变量的选择等等一直到结果的分析、论文的写作一系列内容。它给研究者展示如何进行科学研究的概貌，试图解决研究的全过程。
狭义的实验设计特指实施实验处理的一个计划方案以及与计划方案有关的统计分析【3】。狭义的实验设计着重解决的是从如何建立统计假说到作出结论这一段。