金屬合金材料設(shè)計(jì)這種模型輸出層可以由所需的輸出數(shù)確定。主要問(wèn)題是指定隱藏層中的神經(jīng)元數(shù)量。傳統(tǒng)的矩陣算法認(rèn)為矩陣維數(shù)必須等于輸入數(shù)或輸出數(shù)。不幸的是，沒(méi)有數(shù)學(xué)測(cè)試能最有效地在隱藏層中找到多少神經(jīng)元。應(yīng)該采用試錯(cuò)法來(lái)做出決定。金屬合金材料設(shè)計(jì)這種模型在人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程中，輸入來(lái)自外部環(huán)境;反應(yīng)輸出通過(guò)激活函數(shù)產(chǎn)生。這個(gè)輸出再次與經(jīng)驗(yàn)給出的輸出進(jìn)行比較。通過(guò)各種學(xué)習(xí)算法可以發(fā)現(xiàn)錯(cuò)誤，并試圖接近實(shí)際輸出。一般將80%的樣本給網(wǎng)絡(luò)，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。然后給出剩下的20%，并檢查網(wǎng)絡(luò)的行為。因此，對(duì)網(wǎng)絡(luò)進(jìn)行了測(cè)試。
金屬合金材料設(shè)計(jì)這種模型是尋找網(wǎng)絡(luò)想要學(xué)習(xí)的事件中已經(jīng)發(fā)生的例子的步驟。由于采集樣本是為了訓(xùn)練網(wǎng)絡(luò)(訓(xùn)練集)，所以必須采集樣本測(cè)試集來(lái)測(cè)試網(wǎng)絡(luò)。學(xué)習(xí)網(wǎng)絡(luò)事件后，通過(guò)展示測(cè)試集中的例子來(lái)衡量網(wǎng)絡(luò)的性能。他從未見過(guò)這樣的例子，但他成功地推翻了這些例子，這表明該網(wǎng)絡(luò)是否學(xué)得很好。ANFIS是一種基于模糊推理系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)。這項(xiàng)技術(shù)是在20世紀(jì)90年代早期發(fā)展起來(lái)的。各種方法已經(jīng)發(fā)展，金屬合金材料設(shè)計(jì)這種模型以提高模糊系統(tǒng)的有效性，并有助于自適應(yīng)技術(shù)。其中之一是ANFIS技術(shù)，其中的識(shí)別過(guò)程是執(zhí)行一個(gè)模糊模型，其操作發(fā)生在自適應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)。
金屬合金材料設(shè)計(jì)神經(jīng)自適應(yīng)學(xué)習(xí)技術(shù)允許開發(fā)一種模型，通過(guò)使用模糊建模過(guò)程中的數(shù)據(jù)集來(lái)“學(xué)習(xí)”系統(tǒng)。用于系統(tǒng)識(shí)別的模糊模型由于其自適應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)，具有利用系統(tǒng)的環(huán)境信息和與系統(tǒng)相關(guān)的輸入輸出數(shù)據(jù)進(jìn)行自我更新的能力。本質(zhì)上，ANFIS結(jié)構(gòu)由模糊系統(tǒng)作為具有神經(jīng)學(xué)習(xí)能力的網(wǎng)絡(luò)結(jié)構(gòu)的表示組成。該網(wǎng)絡(luò)由多個(gè)節(jié)點(diǎn)組成，每個(gè)節(jié)點(diǎn)按層排列，以執(zhí)行某種功能。模糊推理系統(tǒng)的隸屬度函數(shù)的選擇是任意的，它取決于用戶。金屬合金材料設(shè)計(jì)這種模型成員函數(shù)的形式也取決于參數(shù)。然而，很難注意到某些形式的隸屬度函數(shù)是如何基于某些模型中的數(shù)據(jù)的。
新時(shí)代，新技術(shù)層出不窮，我們關(guān)注，學(xué)習(xí)，希望在未來(lái)能夠與時(shí)俱進(jìn)，開拓創(chuàng)新。