一种基于人工神经网络的PCM阻值预测方法

1.一种基于人工神经网络的PCM阻值预测方法，其特征在于，包括以下步骤：步骤S1：选取样本数据；步骤S2：将数据进行仿真处理；步骤S3：将仿真数据转化为数组，并进行归一化处理；步骤S4：将处理后的数据分为训练集和测试集；步骤S5：搭建神经网络模型，将训练集的数据通过神经网络进行训练；步骤S6：将测试集的数据通过训练好的神经网络进行测试；所述步骤S1中，数据集的获取通过许多固定尺寸下的不同相态作为初始状态，相变层长宽高的范围分别是400-1400nm,400-1400nm,100-400nm，首先确定具体的固定尺寸，长和宽的维度以200nm为步长，即长选择(400,600,800，...，1400)宽选择(400,600,800，...，1400)，高维度以100nm为步长选择(100,200,300,400)，不同长宽高进行排列组合共6*6*4种，排除掉重复的组合后共84种不同尺寸，每种尺寸以全晶态为初始态施加一个脉冲，逐渐增大脉冲幅值获得不同的相态，每种尺寸下的相态数目为百、千、万、十万数量级各3-4个，百万数量级选取1-2个，总共的相态个数在16个，由此，得出的不同固定尺寸下的相态为84*16＝1344种；步骤S2中，根据步骤S1得到的不同固定尺寸下的相态进行仿真，除了固定初始态对应的相变层尺寸，其余尺寸和脉冲参数都设置为随机值，每种初始相态随机仿真8次，获得11000组数据；步骤S5中，神经网络的模型搭建包括以下步骤：步骤S51：确定神经网络的输入层、隐藏层和输出层；步骤S52：设置神经网络的偏置值为0.1，对神经网络进行初始化；步骤S53：定义损失函数和优化器使神经网络进行权值更新；步骤S54：将学习率设置为0.01，对训练集数据进行神经网络训练。 2.根据权利要求1所述的一种基于人工神经网络的PCM阻值预测方法，其特征在于，所述步骤S3中，对数据进行归一化的方法为：将最大值设为1，最小值设为0，对每个参数按比例进行缩小到0至1之间，使处理完后的输入数据都是0到1之间的数值。 3.根据权利要求1所述的一种基于人工神经网络的PCM阻值预测方法，其特征在于，所述步骤S4中，设置训练集和测试集时，训练集设置的数据比测试集设置的数据多。 4.根据权利要求1所述的一种基于人工神经网络的PCM阻值预测方法，其特征在于，所述步骤S52中，对神经网络的初始化方法为：采用tanh函数为激活函数，通过Xavier初始化方法进行初始化，其计算式为：其中w代表权值，n in 表示输入层的神经元个数，n out 表示输出层的神经元个数。 5.根据权利要求1或4所述的一种基于人工神经网络的PCM阻值预测方法，其特征在于，所述步骤S53中，损失函数的计算式为：其中Y i 表示第i组数据的真实电阻值，Y ipre 表示第i组数据的预测电阻值，n为训练集样本容量；优化器采用Adam算法，其计算式为：其中，M(t)为梯度的第一时刻平均值，V(t)为梯度的第二时刻非中心方差值，β 1 、β 2 和∈均为常数，η为偏置值，θ t 为t时刻的神经网络权值，θ t+1 为t+1时刻的神经网络权值。