本文為了克服傳統的田口方法的缺點，提出基於類神經網路與交叉驗證法的田口方法，其要點有：(1) 採用交叉驗證法以克服類神經網路必須區隔實驗數據集為訓練集、測試集，導致訓練集數據不足的缺點。(2) 提出敏感性分析與帶狀主效果圖以改善類神經網路黑箱模型的缺點。(3) 採用非線性規劃以設計最佳品質因子的組合。為了證明本法可行，本研究以二個已發表的田口方法的實例進行實證。研究結果顯示：(1) 傳統的田口方法的未區隔資料集為測試集、訓練集之作法，其誤差被嚴重低估。(2) 在同樣使用可正確評估模型誤差的交叉驗證法下，本 To overcome the shortcomings of traditional Taguchi method, this study proposed a Taguchi method based on neural networks and cross validation methodology. Its main ideas included that (1) it used cross-validation methodology to overcome the shortcoming t
