金屬合金絲設(shè)計一些醫(yī)療器材通過執(zhí)行人工神經(jīng)網(wǎng)絡(luò)(ANN)、自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)和Taguchi方差分析確定關(guān)鍵參數(shù)。利用軟計算方法可以很容易地解決芯片工程應(yīng)用中的非線性問題、函數(shù)逼近、數(shù)據(jù)分類、數(shù)據(jù)處理和系統(tǒng)控制等。盡管許多不同的方法被用于這個目的,我們可以說最受歡迎和最廣泛使用的方法是田口,安和簡稱ANFIS方法由于最小誤差等因素,最大的精確度,快,成本,和時間預(yù)測,決策分析,優(yōu)化、建模和復(fù)雜問題的解決方案等。

金屬合金絲設(shè)計在人工神經(jīng)網(wǎng)絡(luò)和ANFIS中最重要的任務(wù)之一是確定層數(shù)、神經(jīng)元、隱層、學(xué)習(xí)算法和傳遞函數(shù)，因為沒有明確定義的程序來找到最優(yōu)參數(shù)設(shè)置和網(wǎng)絡(luò)結(jié)構(gòu)。這些變量影響系統(tǒng)的學(xué)習(xí)和預(yù)測能力，具有較高的精度。在人工神經(jīng)網(wǎng)絡(luò)中，數(shù)據(jù)集必須被歸一化。該系統(tǒng)具有神經(jīng)網(wǎng)絡(luò)與模糊知識相結(jié)合的優(yōu)點。因此，盡管ANN可能優(yōu)于ANFIS模型，但在效率方面，ANFIS更精確。ANFIS算法在結(jié)構(gòu)上采用了一種混合學(xué)習(xí)方法。這使得該算法在效率上比大多數(shù)人工神經(jīng)網(wǎng)絡(luò)算法更快、更精確。

金屬合金絲設(shè)計這些模型的一個重要優(yōu)勢在于它們能夠生成數(shù)學(xué)方程，這些方程可以很容易地編程并在生產(chǎn)過程中應(yīng)用。由于各種因素的影響，材料參數(shù)的理論分析相當(dāng)復(fù)雜。利用這些方法給出了復(fù)合材料參數(shù)估計的顯式公式。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練要求包括大量的數(shù)據(jù)，但這不適用于ANFIS。利用人工神經(jīng)網(wǎng)絡(luò)得到的數(shù)學(xué)公式進行計算，這是人工神經(jīng)網(wǎng)絡(luò)與其他方法相比的一個重要優(yōu)勢。

金屬合金絲和神經(jīng)網(wǎng)絡(luò)必須針對每個問題進行訓(xùn)練。由于期望最小誤差準(zhǔn)則和最大相關(guān)系數(shù)，采用MSE、MAE、MAPE、RMSE、R和R2準(zhǔn)則研究了實驗結(jié)果和理論結(jié)果的相容性。本文推導(dǎo)并討論了三種方法的決策矩陣和TOPSIS矩陣。并列舉了各種方法的優(yōu)缺點。可以得出結(jié)論，ANFIS和ANN方法可以用于以最小誤差解決許多復(fù)雜問題，控制系統(tǒng)，檢測變量之間的相互作用，更快地達到目標(biāo)，預(yù)測和優(yōu)化結(jié)果以最大的精度。田口法是一種實驗設(shè)計方法，用較少的實驗同時使用多個結(jié)果得到最優(yōu)結(jié)果。田口的系統(tǒng)、參數(shù)和公差設(shè)計是田口特別感興趣的。