一种基于试验设计的神经网络建模方法.pdfVIP

一种基于试验设计的神经网络建模方法 孙玲玲，葛锋，武新玲，蔡妙花，严晓浪 杭州电子1：业学院CAD所，邮编：310012 摘要：本文提出了～种基于试验设计法的多层前馈神经网络方法，并用于建立互连线 网的时延宏模型。实例表明，剥用试验设计法中的正交表来安排建立神经网络 模型时训练数据的选择，可明显改善该网络的效率，提高网络的计算精度。 关键字：试验设计法、正交表法、多层前馈神经网络。 引 言 近来，基于神经网络的新的cAD方法已在电路模拟和设计中得到广泛关注。国外 已在模拟备种超高速Ic、微波部件(微带互连线、遁孔、螺旋电感、共面波导、有振 器件和各种封装等)以及豆连设计中进行了神经网络应用的有益尝试．显示了神经网 络的学习和模拟能力。神经网络模型远怏于基于EM／物理的模型，与多项式拟合或经验 模型相比具有更高的精度丑更为准确，由于它的快速和有效性，使之十分适用于元器 件建模及归入需在线反复迭代的CAD优化设计软件， 本文提出了一种基于试验设计法的多层前馈神经网络方法，用于对基本的互连线 网如并联、串联、星型等挈|结构建模并进行了测试，取得了满意的结果。 多层前馈神经网络模型的基本廉理 多屡前馈神经网络又称为BP(Back propagation)神经网络。图l为三层前馈神经 网络的拓扑结构。这种神经网络模型的特点是：各层神经元之间无反馈连接，备层内 神经元之间无任伺连接，仅相邻层神经元之间有连接。 S2～ 对于输入信号，要先向前传播到隐节点，经过作用函数之后．再把隐节点的输出信 息传播到输出：等点，最后给出输出结果。节点的作j；1函数通常选取sigmoid型函数a BP神经网络的输入与输出的关系是一个高度非线性映射关系，如果输入节点数为 i，输出节点数为t，则网络是从f维欧氏空间剑女维欧氏空间的映射。 通过调整BP神经网络中的连接权值、网络的规摸(包括f、k和隐层节点数j)， 就可以实现非线性分类等问题，并且可以以任意精度逼近任何非线性函数。 本文采厢 三层BP神经网络模型来解决Ic互连结构的时延模拟问题。 基于试验设计法的训练数据空间的选择 建立神经网络模型时，大量的工作集中在训练和测试数据的获得和谢练过程如何 提供数据直接影响模型的0ll练效率和结果的有效性。提供的数据可以是各参数所有可 能的组合，但训练数据的增加将导致训练时间长得难以忍受；而用随机的方法选取数 据，则不能保证数据包含的信怠量足够大。为此本文采用一种统计科学方法一试验设计 方法(DoE)作为一种收集数据的一种手段，利用正交表法安摊设计因素不同水平的组合， 得到n组口ll练数据，以用最少的模拟次数，提供足够的信息。采用的基本方法(在本文 例子中使用)可叙述妇下：首先，根据试验需要，把参数定义为四水平的因素。由于 可以采取拟因子法，在二水平的正交表中安捧四水平的因素，可以设计好二水平的正 交表(试验规模可以定为128次)：其次，在正交袁中安撩各因素，可以先不考虑交互 作用，根据表中安排为模型pll练提供擞据：最后，苒对模型iII|练得出的结果进行方差 分析，找出影响较太的因素及因素交互作用，根据方差分析的结果，考虑重要的交互 作用，重新在正交表中安排各因素及交互项，这个安排提供的数据就能够提供充分的 信息。为模型提供测试数据可以采用与上述相同的方法，只是因素安谗顺序有所改变， 这样所提供的测试数据即能与训练数据有所不同，义能同测试训练数据一样提供足够 的信息量。由后面的算例比较中亦可得出此点。 算例及结论 量组成输入模式，对电压¨限值分别为O．5、O 63212的传输时延建立神经网络模型， 并分别对其进行测试，均取得L『满意的结果。 对实验结果的误差分折可见，除了3—5个点孝l：|对误羞铰火外，绝犬部分相对误差 都在1％以内n由于相对误差较大的点，其时王垂值都低r 0，0【纳砂。因此，从应用的角 度，这是完全可