用于人工神经网络法优化培养基的试验设计方法

摘要

本发明公开了一种用于人工神经网络法优化培养基的试验设计方法，将培养基中的m个影响因素、每个影响因素的取值范围内的n个不同取值组成矩阵，在矩阵中不同的行各取一个值形成一组实验B_k,j，从而获得s×n组试验的试验集合β，在矩阵中选择t行，并每行各取出一个值，组成具有t个元素的验证集合γ，并且验证集合γ在试验集合β中，至少出现一次，至多出现λ次。本发明，使得培养基中各因素都能被均衡考虑，采用该方法进行培养试验，并将得到的实验结果应用于人工神经网络，可以很好地覆盖人工神经网络中的各个神经元，并且训练神经元可体现出培养基各元素间的交互性，使得在试验组数尽可能少的情况下，达到对人工神经网络最好的训练。

主权项

用于人工神经网络法优化培养基的试验设计方法，其特征在于，包括以下步骤：首先，将培养基中的m个影响因素、每个影响因素的取值范围内的n个不同取值组成如下矩阵:然后，在上述矩阵中，选择t行，1≤t≤m，并每行各取出一个值，组成具有t个元素的验证集合γ，并且验证集合γ在按照如下条件设计的试验中，至少出现一次，至多出现λ次，λ≥1，每组试验B_k,j应满足如下条件：(1)中的每个元素均来自于上述矩阵，且分别取自矩阵的不同行，1≤j₁,j₂,Λ,j_m；令j＝1,2,Κn，则共有n组这样的试验，β_k＝{B_k,1,B_k,2,ΚB_k,n}表示这n组试验的集合；令k＝1,2,Κ,s，β＝{β₁，β₂，Κ，β_s}，从而获得s×n组试验；(2)对每一个β_k＝{B_k,1,B_k,2,ΚB_k,n}，k＝1,2,Κ,s，要求即B_k,j(j＝1,2,Κ,n)的并集正好是整个矩阵里的元素；最终，将按照以上方法得到的试验设计方案β＝{β₁，β₂，Κ，β_s}进行试验，并将试验结构应用于人工神经网络的训练，从而得到可以准确体现培养基因素和产量的人工神经网络。