نویز یکی از پدیده های مهم در علوم و مهندسی می باشد. حد پایین دقت هر دستگاه اندازه گیری و مینیمم سیگنال قابل آشکار سازی توسط آن تعیین می گردد. در طراحی مدارات فرکانس بالا با دقت بالا بایستی اثر نویز در نظر گرفته شود. برای اینکه اثر نویز را در طراحی لحاظ کنیم از پارا مترهای نویز استفاده می کنیم. برای هر قطعه نویزی پارامتری بعنوان مشخصه نویزی تعریف شده است که عدد نویز نامیده می شود. عدد نویز تابع پارامترهای نویز (عدد نویز مینیمم? مقاومت نویز و ضریب انعکاس بهینه) که این پارامترها برای هر قطعه فرکانس بالا در برگه اطلاعات آن توسط کارخانه سازنده در فرکانس ها و شرایط بایاس مختلف داده می شود. این داده ها به اندازه ی کافی نیستند و هر فرکانس با هر شرایط بایاس را پوشش نمی دهند همچنین برای بدست آوردن این پارامترها تجهیزات گران قیمت و زمان زیادی لازم است. بنابراین از شبکه های عصبی برای بدست آوردن این پارا متر ها استفاده کرده ایم. در سال های اخیر مقاله های مختلفی در این زمینه چاپ شده است که لازم به ذکر است مقالات در مورد مدلی که ما استفاده کرده ایم یعنی nesg2030m04 خیلی کم بود یا به جرات می توان گفت که اصلا نبود..ما از شبکه هایی استفاده کرده ایم ، که هم زمان آموزش شبکه را کم می کند و هم دقت تست بالایی دارند. شبکه هایی که در این پایان نامه استفاده شده است: شبکه اول که به طور معمول در بیشتر کاربردها استفاده شده شبکه های چند لایه می باشند. شبکه دوم شبکه های دو لایه با تابع شعاعی که زمان آموزش کمتری نسبت به شبکه های قبلی دارند استفاده شده است و شبکه های فازی عصبی نسبت به هر دو شبکه کاربرد بیشتر، زمان تست کمتری و دقت بالاتری دارند. به طور خلاصه هدف در این پایان نامه بدست آوردن پارامترهای نویز برای هر بایاس و فرکانس مورد نظر به کمک شبکه ایی که هم زمان آموزش کمتر و هم دقت تست بالایی دارد می باشد.