附錄A CAF#201;參考手冊.docVIP

附錄A CAFE參考手冊 A-1 系統簡介 A-2 系統流程 A-3 資料格式簡介 A-4 實驗設計簡介 A-5 模型建構簡介 A-6 模型分析簡介 A-7 參數優化簡介 A-1 系統簡介 CAFE（Computer-Aided Formula Engineering）是一套基於類神經網路的品質設計Windows化軟體，它是專門為品質因子之水準型態為連續型的問題而設計之系統。系統之特色有： (1) 無限制最佳化問題與限制最佳化問題均可解。 (2) 品質設計問題與配比設計問題均可解。 (3) 單目標最佳化問題與多目標最佳化問題均可解。 (4) 平均品質設計問題與穩健品質設計均可解。 本系統各模組之間資訊的溝通是以檔案為基礎，例如實驗設計產生來源資料，來源資料為模型建構所需的資料來源等，CAFE軟體將這些溝通、呈現以及與使用者互動的行為包裝起來，架構在Windows視窗程式的環境下，其友善性視窗化的操作，可提供使用者快速且便利的完成品質設計的整個流程，且系統包含實驗設計模組、模型建構模組、模型分析模組、參數優化模組、使用者介面模組等五大功能模組。 A-2系統流程 本軟體的系統流程如下： 圖A2-1 CAFé系統流程圖 A-3 資料格式簡介 開始要使用CAFé進行品質設計前，如果實驗設計的來源資料檔是自行準備的，就必須符合表A-3-1格式，另外來源資料檔也可不包含欄位標題。 表A3-1 來源資料檔格式(包含欄位的標題) X1 X2 … XNinp Y1 Y2 … YNout 輸入變數筆數；輸出變數筆數。 A-4 實驗設計簡介 所謂實驗設計是一種建立有效率實驗的方法，它以特定的實驗配置探求系統的因果關係。其目的在於以最少的實驗次數及適當的分析技術，獲得最多有用的系統之知識。本系統提供二階反應曲面設計的中央合成設計(Central Composite Design, CCD)，以及配比設計的單體格子設計(Simplex Lattice Design, SLD)和單體形心設計(Simplex Centroid Design，SCD)。 中央合成設計原理為估計係數變異之最小化；另外配比設計之實驗設計常採單體格子設計，它令每種成份均離散成m+1個水準；配比設計的另一常用實驗設計為單體形心設計(Simplex Centroid Design)。其在一個q種成份的單體形心設計中，共有2q-1 個實驗點。A-5 模型建構簡介 A-5-1 模型建構方式 CAFE軟體採兩種方法來建構模型： (1) Train-and-Test法：當CAFE採Train-and-Test法來驗證模型時，訓練範例與測試範例的比例採用7：3的比例。但當範例不足100筆時，則不區分訓練範例和測試範例。即將範例再複製一份至於原範例之後，前半為訓練範例，後半為測試範例。第一次執行CAFE(倒傳遞網路)的Train-and-Test法時，皆採用30000個訓練循環，如果該循環的最小Test RMS仍為30000個訊練循環，則每次再遞增10000個訓練循環，直到找到比該次訓練循環還小的最小Test RMS訓練循環，則該次訓練循環稱為「CAFE(倒傳遞網路)的Train-and-Test法-最終訓練循環」；則最小Test RMS訓練循環稱為「CAFE(倒傳遞網路)的Train-and-Test法-最佳訓練循環」。 (2) Cross-Validation法：當CAFE採Cross-Validation法來驗證模型時，礙於系統尚未支援平行化處理，資料筆數大時將花費較多的時間建模，故如果範例資料小於100筆，則採用Leave One Out Cross-Validation評估訓練範例績效的方法建模，如果範例資料大於100筆，則採用10-fold Cross-Validation。Cross-Validation法的訓練循環方式同Train-and-Test法，建模方式為利用Cross-Validation法估計出最佳的訓練循環數，但此次訓練仍然保持原先設定的循環數將來源範例都當作訓練範例建模，待下一次建模再利用上一次指示的最佳循環數建模，此次即為Cross-Validation的最佳學習循環。 A-5-2 模型建構參數 這兩種方法參數設定差異在驗證模型方式不同、訓練以及測試範例設定的概念不同。詳細參數設定說明如圖A5-2-1、A5-2-2：  圖A5-2-1 Train-and-Test法建模參數設定 圖A5-2-2 Cross-Validation法建模參數設定 A-6 模型分析簡介 A-6-1 權值分析圖簡介 圖A6-1-1權值分析圖是ㄧ個權值分析圖的範例，當「通用重要性指標」(