[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

摘要

本发明属于非线性器件设计技术领域，涉及一种用于非线性器件建模的神经网络数据生成方法，包括：1)获得非线性器件的主要输入输出样本数据；2)确定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；3)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比较，如果较小，说明得到足够的训练数据，结束，否则，选取具有最大有效误差的子空间，比较该子空间中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；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，进行空间分裂，并转向3)。本发明能够为后续神经网络的训练节约大量的时间和精力。

主权项

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。