倒傳遞類神經應用與結果

壹、倒傳遞類神經訓練測試模式

本研究利用 Super PCNeuron5.0 軟體中的倒傳遞類神經網路模組作為模擬實驗之工 具，進行類神經網路的運算，首先建立倒傳遞類神經網路的訓練測試模式，輸入值 X1、

X2、X3 為正規化後的原始數據，實際輸出值 Y 為灰關聯度，用來驗證多重品質特性的 實驗結果，是否為最佳參數組合，表 4.20 為倒傳遞類神經訓練模式。因本實驗的次數僅 10 組，但因子品質特性可能並不只侷限在那三個因子上，X1 因子水矽比原始數據為 110、

120、130，但是可能較好的因子數值並不在這三個上面，列出的的計算方式為，水矽比 範圍是 110~130，每組區間為 2 共 11 組，PH 值範圍是 23~27，每區間為 1 共 5 組，改 性劑比例範圍是 220~230，每組區間為 1 共 11 組，將水矽比、PH 值、改性劑比例之組 數相乘即可得到 605 組的推論數據，倒傳遞類神經裡做完訓練測試模式後，接著做推論 模式，推論數據為 605 筆，來驗證品質特性間是否有落在其他區間上。

本研究將權值初始值設定為正負 0.5、輸入變量為 3、輸出變量為 1、訓練範例數 目為 10，隱藏層為 10。可調參數設定包含學習速率、動量、與學習次數。利用試誤 法，找出較佳參數為設定學習速率衰減率為 0.99、學習次數 10000。權值範圍正負 0.5、訓練範例數目為 10、學習次數則以 MSE 曲線達最低點時視為網路學習訓練完成 而終止訓練，約為 10000 次可達上述標準，以圖 4.1 所示，為倒傳遞類神經輸入各項 值。

圖 4.1 倒傳遞類神經輸入各項值 資料來源：本研究整理

表 4.20 倒傳遞類神經訓練模式 Exp.

No.

X1 X2 X3 實際輸出 網路輸出值

1 1 0.852 0.957 0.596 0.5734 2 1 0.926 0.978 0.573 0.5694 3 1 1 1 0.496 0.4913 4 0.917 0.852 0.978 0.761 0.7606 5 0.917 0.926 0.957 0.476 0.5069 6 0.917 1 0.957 0.645 0.6063 7 0.846 0.852 1 0.767 0.7704 8 0.846 0.926 0.957 0.743 0.7338 9 0.846 1 0.978 0.962 0.9651 10 0.846 0.852 0.978 0.966 0.9508 資料來源：本研究整理

經倒傳遞類神經網路所計算出的訓練測試模式，訓練誤差均方根(RMSE)為 0.04848，

測試誤差均方根(RMSE)，為可接受範圍。

圖 4.2 倒傳遞類神經訓練測試模式 資料來源：本研究整理

經由倒傳遞類神經網路訓練模式，得到實際輸出與網路輸出值，以折線圖表示，由 圖 4.3 所示，得到非常接近的訓練結果。

圖 4.3 倒傳遞類神經訓練模式折線圖

資料來源：本研究整理

貳、倒傳遞類神經推論模式

將原始的數據做訓練與測試後，即進行推論模式，根據所模擬的數據資料進行分析，

以試圖找出一個好的品質特性區間，但由於所進行推論模式之結果網路輸出值為 0.9395，

並沒有優於灰關聯度 0.966，所以無法藉由倒傳遞類神經網路來找到更好的區間，推論 結果列於附錄。

第五章 結論與建議

第一節 結論

本研究針對節能產品之製作參數水矽比、PH 值與改性劑比例的參數數據為主要研 究，來處理密度、比表面積與孔體積之問題，而在探討問題具有多重品質特性前，本研 究以田口實驗設計方法來進行製作參數之探討，利用其直交表配置其模型，並進行少次 實驗之特性，以達成參數數據之最佳化。

本研究以於實務現場便可取得資料之方便性較高之灰關聯演算分析來進行，並統整 所蒐集之文獻提及之演算法及考慮品質特性間之權重問題，以熵權重值法來處理，再藉 由所計算得到之熵權重值灰關聯度來進行回應圖、表來分析，以找出影響其因子與水準 之最佳組合。

本研究藉由實驗個案為例，得到以下幾點結論：

一、藉由田口參數設計結合灰關聯分析，找出多重品質特性之最佳組合為A3、

B1、C2，即水矽比為130、PH值為23、改性劑比例225，利用此參數組合可以有效降 低密度外，並產生比表面積與孔體積增加之目標。

二、藉由分析本實驗之所得結果，說明了田口方法結合灰關聯分析可分析多重 品質特性問題與可少次實驗次數之有效性與優點，進而讓小量試產導入與實行。

三、利用倒傳遞類神經網路，建立網路模型以提供實驗數據的預測，評估因子 對實驗的影響時，類神經網路可提供一組比較預測值，但因是模擬數值，謹提供參 考，而非實際之實驗數據。故還是需要以多重品質特性來找出最佳參數組合。

四、藉由倒傳遞類神經網路之推論模式之結果並沒有優於灰關聯度，所以無法 藉由倒傳遞類神經網路來找到更好的區間，因此灰關聯度的結果是最好的。

第二節 建議

本研究尚有不足之處，提出以下幾點建議來給後續研究者作為參考：

一、本研究之目的是要找出氣凝膠小量試產的最佳參數，根據文獻所得影響氣 凝膠的品質特性尚有其他項，但由於無法數據化，故本研究未於考量，但實際仍具 有影響力，若能將攪拌速度、烘箱時間的長短、改性劑的次數，將這三個列入因 子，應能得到重要之實驗因子水準與具製程品質代表性。

二、日後若有要採用其他氣凝膠製程，更穩定的氣凝膠製程，以水玻璃為原料 搭配離子交換樹酯，亦可採用田口結合灰關聯分析法，來進行製程品質的控制。

三、若在實務可行之情況下，應放大直交表增加因子交互下的估計，以降低交 互作用之製程表現可更良好。

四、建議加入時間面與成本面為考量與分析。

五、若要加強對倒傳遞類神經網路的訓練模式，要增加實驗數據，以利做推論 模式，來得到更好的品質區間。

參考文獻

中文部分

王聰聰、莫立煥、徐峻、李軍(2013)，基於田口方法與灰色關聯分析的桉木板 皮漿二氧化氯漂白工藝優化，紙和造紙，32(8)，36-39。

代賀淵(2013)，基於灰關聯分析混凝土孔結構與宏觀性能的關係，大連交通大 學道路與鐵道工程系未出版碩士論文。

吳國友、程璿、餘煜璽、張穎、(2010)，常壓乾燥製備二氧化矽氣凝膠，化學 進展，22(10)，1892-1900。

宋致緯(2012)，使用田口法與灰關聯分析評估表面塗封材料防護效能關建因數 之研究，海洋大學河海工程學系未出版碩士論文。

李志鵬(2011)，類神經網路在特殊環境控制系統之應用研究，材料報導，

25(3)，34-47。

李秉展(2008)，創新灰色模型在營建工程應用之研究，臺灣科技大學營建工程 系未出版博士論文。

李訓谷、鍾德華、洪錫勳、林大惠(2014)，建築節能材料：二氧化矽氣凝膠之 應用，台灣能源期刊，5(1)，575-588。

李輝煌(2012)，田口方法：品質設計的原理與實務(四版)，新北市：高立圖書。

林文發、周世海(2001)，隔熱材明星材料-氣凝膠，化工資訊月刊，15(3)，48-55。

林逸塵(2002)，類神經網路應用於空氣品質預測之研究，中山大學環境工程研 究所未出版碩士論文。

徐維、王永紅、宋兵(2012)，灰色關聯分析在節能減排效果評價中的應用，西

安文理學院學報：自然科學版，16(2)，89-92。

袁征(2014)，基於田口方法的道路照明精細化設計，照明工程學報，25(1)，62-66。

高傳楷(2007)，田口法應用於透水性混凝土配比設計之研究，台北科技大學土木防災 研究所未出版碩士論文。

高慶福、馮堅、張長瑞、馮軍宗、武緯、薑勇剛、(2009)，陶瓷纖維增強氧化 矽氣凝膠隔熱複合材料的力學性能，矽酸鹽學報，37(1)，1-5。

張仕廉、徐嬌嬌(2010)，基於灰色聚類理論的建築節能設計對造價的應響分 析，自然科學版，29(5)，60-64。

張光磊、郭曉煜、趙霄雲、秦國強、李廣鵬(2015)，氣凝膠在建築節能領域的 應用形式與效果，矽酸鹽通報，34(2)，444-450。

張清芳(2012)，多重品質特性最適配比設計與辨識能力評估模型建構之研究，

海洋大學材料工程研究所未出版博士論文。

張斐章、張麗秋(合著)(2010)，類神經網路導論：原理與應用，台中：滄海書 局。

張蔚(2010)，BP 神經網路在光伏發電 MPPT 中的應用，現代建築電汽，4(1)，

54-57。

陳湘來、韓之俊(2007)，田口方法在太陽能電池刻蝕工序中的應用，中國質 量，0(8)，88-89。

賀香梅（2014），SiO2 氣凝膠的常壓乾燥製備及在隔熱紡織品中的應用，東華 大學紡織化學與染整工程系未出版碩士論文。

馮軍宗(2012)，炭氣凝膠及其隔熱複合材料的製備與性能研究，國防科學技術 大學材料科學與工程系未出版博士論文。

黃天寅、費忠明、夏四清、趙建夫(2004)，類神經網路活性污泥系統模型研究 進展，中國給水排水，20(3)，36-39。

黃克亞、尤鳳翔、李文石(2012)，模糊神經網路在光伏發電 MPPT 中的應用，

計算機仿真，29(8)，300-304。

葉怡成(1999)，應用類神經網路，台北：儒林圖書有限公司。

葛琦、張俊英、王天民、肖詩唐(2009)，田口方法在蓄能發光陶瓷製造工藝中 的應用，材料工程，0(7)，28-31。

鄒思宇、黃然、傅墩祺、徐輝明、鄭安(2012)，使用田口方法與灰關聯分析評 估混凝土表面塗封材料防護效能影響因數之研究，第三屆兩岸四地高性能 混凝土國際研討會論文集，pp.191-201，中建商品混凝土公司、中國矽酸鹽 學會高性能混凝土委員會、臺灣混凝土學會及臺灣海洋大學聯合主辦，中 國武漢，2012 年 11 月。

趙泰、荀志遠、於林美、曹寧(2015)，基於灰色關聯分析的節能建築方案評 價，青島理工大學學報，36(1)，27-33。

劉華(2007)，綠色產品的群灰色關聯分析評價方法研究，中國計量學院學報，

18(1)，38-43。

蔡淩曦、範莉莉、鮮陽紅(2014)，模糊評價方法-BP 神經網路在城市節能減排事 前評價中的應用，新疆社會科學，0(2)，26-32。

簡江儒(2012)，模糊類神經網路與動態參數學習法則之數位電路設計，華梵大 學電子工程學系未出版碩士學位論文。

英文部分

Bhalamurugan,R.,and Prabhu.S.(2015),Performance Characteristic Analysis of Automated Robot Spray Painting Using Taguchi Method and Gray Relational Analysis,ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING,40(6),1657-1667.

Deng, Z., Wang J., Wu A., Shen J., Zhou B.,(1998), High Strength SiO2 Aerogel Insulation, Journal of Non-Crystalline Solids, 225, 101-104.

Du,T.T.,Du,W.J.,Che,K.,and Cheng,L.(2015),Parametric optimization of overlapped helical baffled heat exchangers by Taguchi method,Applied Thermal Engineering,85,334-339.

Hashemi,S.H.,Karimi,A.,and Tavana,M.(2015),An integrated green supplier selection approach with analytic network process and improved Grey relational analysis, International Journal of Production Economics,159,178-191.

Highly transparent silica aerogel thick films with hierarchical porosity from water glass via ambient pressure drying, Materials Chemistry and Physics,147,65-74.

Kim,Y.H., Sharad D., Myung,J.M., Young,S.A., Jeong,G.Y.,(2007), A cost-effective and fast synthesis of nanoporous SiO2 aerogel powders using water-glass via ambient pressure drying route, Solid State Sciences,9,628-635.

Mehat,N.M.,and Kamaruddin,S.(2012),Quality control and design optimisation of plastic product using Taguchi method： a comprehensive review,International Journal of Plastics Technology,16(2),194-209.

Peng, H., Gao.X.D,Li,X.M.,Jiang,Z.W., Zheng,H.Y.,Wang,C.Y.,and Zheng,Y.G.(2014), Reisi-Dehkordi, A.,andEslami-Farsani,R.(2015),Prediction of High Performance Fibers

Strength Using Back Propagation Neural Network,JOURNAL OF MACROMOLECULAR SCIENCE PART A-PURE AND APPLIED

CHEMISTRY,52(8),642-647.

Saligheh,O.,Farsani,R.E.,Khajavi,K.,and Forouharshad,M.(2013),The study of processing parameters on impact behavior of high performance polyethylene fiber cross-ply composites by taguchi method, Fibers and Polymers,14(11)1864-1869.

Schmidt, M. and Schwertfeger F.,(1998),Application for Silica Aerogel Products, Journal of Non-Crystalline Solids, 225, 364-368.

Schwertfeger ,F., Frank D., and Schmidt M., (1998), Hydrophobic Waterglass Based

Aerogels without Solvent Exchange or Supercritical Drying, Journal of Non-Crystalline Solids, 225, 24-29.

Smith, D.M., Maskara A., and Boes,U. (1998), Aerogel-Based Thermal Insulation, Journal of Non-Crystalline Solids, 225, 254-259

Sun,X.Y.,Luo,W.B.,Meng,J.,Qing,X.,Fu,W.Y.,Shuai,Y.,andWu,C.G.(2015),Monolithic

pyroelectric infrared detectors using SiO2 aerogel thin films, Sensors and Actuators A：

Physical,228(1),67-74.

Tanyildizi,H.,and Sahin,M.(2015),Application of Taguchi method for optimization of concrete strengthened with polymer after high temperature,Construction and Building

Materials,79,97-103 .

Vinayagamoorthy,R.,and Xavior,X.M.(2014),Parametric Optimization on Multi-Objective Precision Turning Using Grey Relational Analysis,Procedia Engineering,97,299-307.

Xie,T., He,Y.L.,and Hu,Z.J. (2013),Thermal conductivities study on silica aerogel and its

Xie,T., He,Y.L.,and Hu,Z.J. (2013),Thermal conductivities study on silica aerogel and its