金属合金资料设计这种模型输出层能够由所需的输出数确定
。重要问题是指定暗藏层中的神经元数量
。传统的矩阵算法以为矩阵维数必须蹬宗输入数或输出数
。不幸的是，没罕见学测试能最有效地在暗藏层中找到几多神经元
。应该选取试错法来做出决定
。金属合金资料设计这种模型在人为神经网络的进建过程中，输入来自表部环境;反映输出通过激活函数产生
。这个输出再次与经验给出的输出进行比力
。通过各类进建算法能够发现谬误，并试图靠近现实输出
。通常将80%的样本给网络，对网络进行训练
。而后给出剩下的20%，并查抄网络的行为
。因而，对网络进行了测试
。

金属合金资料设计这种模型是寻找网络想要进建的事务中已经产生的例子的步骤
。由于采集样本是为了训练网络(训练集)，所以必须采集样本测试集来测试网络
。进建网络事务后，通过展示测试集中的例子来衡量网络的机能
。他从未见过这样的例子，但他成功地颠覆了这些例子，这批注该网络是否学得很好
。ANFIS是一种基于吞吐推理系统的人为神经网络
。这项技术是在20世纪90年代早期发展起来的
。各类步骤已经发展，金属合金资料设计这种模型以提高吞吐系统的有效性，并有助于自适应技术
。其中之一是ANFIS技术，其中的鉴别过程是执行一个吞吐模型，其操作产生在自适应网络结构
。

金属合金资料设计神经自适应进建技术允许开发一种模型，通过使用吞吐建模过程中的数据集来“进建”系统
。用于系统识此外吞吐模型由于其自适应的网络结构，拥有利用系统的环境信息和与系统有关的输入输出数据进行自我更新的能力
。性质上，ANFIS结构由吞吐系统作为拥有神经进建能力的网络结构的暗示组成
。该网络由多个节点组成，每个节点按层分列，以执行某种职能
。吞吐推理系统的从属度函数的选择是肆意的，它取决于用户
。金属合金资料设计这种模型成员函数的大局也取决于参数
。然而，很难把稳到某些大局的从属度函数是若何基于某些模型中的数据的
。