類神經網路如同大多數其他預測手法，歷史資料樣本的多寡及詳細程度會嚴重影響其預測結果的優劣，若樣本太過精簡則無法表徵母體的行為模式，因此，無法得到滿意的預測品質；反之，過大的樣本雖然可以得到較佳的預測結果，卻會增加資料收集以及模式執行上的困難。因此，如何訂定一個適合的樣本大小及精確度，將會是類神經網路在執行預測的的一個關鍵。本研究以半導體晶圓廠機台群組工件到達量預測問題為例，提出一套以迴歸分析為基礎的最佳輸入因子數量決策模式。利用迴歸分析找出因子數量、預測複雜度指標以及類神經網路預測準確度之間的關係，利用此 Neural network is a good forecasting technique for a complicated system. Nonetheless, the forecast accuracy of neural network is just like other forecasting techniques’ to be seriously impacted by both completeness and details of sample. If the number of
