[发明专利]一种用于非线性器件建模的神经网络数据生成方法

权利要求书

1.一种用于非线性器件建模的神经网络数据生成方法，包括下列步骤：

第一步：获得非线性器件的主要输入输出样本数据，这些输入输出样本数据可以通过理论计算或实际测量获得；

第二步：根据获得的样本数据，确定各个输入参数的取值范围，并设定一个标准误差值，利用各个输入参数的取值范围，构造初始训练数据集合和初始测试数据集合，定义初始的训练数据集合和测试数据集合分别是L1＝{输入采样空间的所有顶点}和T1＝{输入采样空间的中心点}，输入参数的个数即为输入采样空间的纬度；

第二步：定义子空间的有效误差：对于某个子空间，子空间中心点的插值减去中心点的输出值的绝对值；定义输入参数的维度误差：在具有最大有效误差的子空间中，对于某个输入参数，找出该输入参数维度上的所有中点，将这些中点的插值减去各自的输出值，得到的数值相加取绝对值；

第三步：计算出所有子空间的有效误差，找出最大有效误差并和标准误差值进行比较，如果小于标准误差值，说明得到足够的训练数据，结束流程；反之，说明未得到足够的训练数据，转向步骤四；在首次进行此步骤时，这里的子空间即为初始的输入采样空间；

第四步：根据步骤三确定具有最大有效误差的子空间，在该子空间中，比较各个输入参数的维度误差值，确定具有最大维度误差的输入参数。

第五步：在具有最大有效误差的子空间内，取具有最大维度误差的输入参数维度上的所有中点，获得新的训练数据，同时，将这些中点作为新的子空间的顶点，将子空间一分为二，产生两个新的子空间，将子空间一分为二，产生两个新的子空间，然后转向步骤三。

2.根据权利要求1所述的用于非线性器件建模的神经网络数据生成方法，其特征在于，第二步中，子空间中心点的插值为 其中，x_l是子空间的中心点， 是x_l所在子空间的各个顶点，N是对应子空间的顶点个数， 是指顶点的输出值；输入参数维度上的中点的插值为： 其中，z_m是选取的中心点； 是z_m所在的N-1维空间的所有顶点； 是这些顶点的输出值。