一种微通道散热器模型的神经网络训练方法

本发明公开了一种微通道散热器模型的神经网络训练方法，包括以下步骤：获取微通道散热器的数据集并进行归一化处理得到测试集和训练集，选取学习训练函数构建训练模型；调用训练模型对测试集进行模拟训练得到预测值；BP神经网络对预测值进行反归一化处理得到真实值；计算真实值与预测值之间的预测结果值；将预测结果值通过BP神经网络进行误差反向传播，以更新微通道散热器模型的输出层和隐含层的权重。本发明在应用激活函数之前，对数据集进行归一化处理使整个BP神经网络在各层的中间输出值更加稳定，使深层神经网络更容易收敛，降低过拟合风险，并采用初始化很大的学习率，以在训练过程中提高学习率的衰减速度，进而提高算法收敛速度。