《表5 sin、sig、hardlim训练时间及精度对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PCA-ELM算法的电能计量互感器故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

使用MATLAB进行极端学习仿真，不同激活函数sin、sig、hardlim函数的训练时间以及训练精度的对比见表5（N为隐藏神经元数）[24]。3种函数期望输出与隐藏层个数的关系图见图6-8。横坐标代表的是样本序号，纵坐标代表的是故障特征描述。由ELM分类器所得到的图表显示，其预测效果相当可靠，并且在sig函数，隐含层数目为15时是最为理想的训练效果。由表5可以明显的对比出最终的函数选择。在经过ELM极端学习及分类选择之后，文中选择sig函数作为激活函数。