5.2 展望  30
致谢 .  31
参考文献 .  32
附录 .  33
 1 绪论 人工神经网络从被人们所发现诞生到现在已经有优尔十多年了，现在已经成为一门日趋成熟，应用日趋广泛的新兴学科。随着神经网络理论的深入研究，以及计算机能力的提高，神经网络的应用领域也在不断的扩大，同时应用水平也需要不断的提高，最终达到人们在各个领域使用的目的，这便是神经网络研究的最终目标。神经网络研究在在这十几年内又有了新的突破性的进展，因此，许多科学家又开始投入到神经网络的研究，并迎来了神经网络研究的又一个热潮。可以预见，神经网络将使电子科学和信息学产生革命性的变革，人们的狂热研究，给神经网络理论研究带来了一些新的理论和新的方法，这些必将会给 21 世纪的科学研究带来新的突破。 神经网络理论研究有着非常广阔的前景，同时这个领域的研究有充满挑战。对于神经网络的研究，人们的思文方式正在转变：从线性的思文转到非线性的思文。神经元、神经网络都有非线性、非局域性、非定常性、非凸性和混沌等特性，我们在计算智能的层次上研究非线性动力系统、混沌神经网络以及对神经网络的疏离研究。进一步研究自适应性性子波、非线性神经场的兴奋模式、神经集团的宏观里学等。因此，非线性问题的研究是神经网络理论发展的一个最大动力，也是它面临的最大挑战。除此之外，必须分析这些网络模型的计算复杂性以及正确性，从而确定计算是否经济合理。 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，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 RBF神经网络建模进行误差对比。先建立RBF 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。 实验设计方法在复杂系统建模中的应用研究(2):http://www.youerw.com/zidonghua/lunwen_34051.html