《表4 三种神经网络模型预测茶叶品质等级的性能总结》
神经网络模型(BPMLP、RBFN和GRNN)预测茶叶品质等级的性能总结如表4所示.以看出,三种模型都能获得较高的识别率,预测精度平均百分比MPPA的数值都能在90%左右.另一方面,BP-MLP和GRNN的预测误差最大值(MaxPE)分别为17.06%和12.99%,低于RBNF的9.12%,表示RBNF的预测精度下限高于GRNN和BP-ML.BP-MLP和GRNN标准差分别为2.23和2.08,方差分别为4.95和4.34,RBNF的标准差为1.33,方差为1.76,均低于其他两种模型,表示RBNF的检测稳定性高于其他两者.因此,对于茶叶品质的自动检测可以清楚地观察到RBFN的性能优于BP-MLP和GRNN,故选用RBFN作为检测系统的神经网络模型.
图表编号 | XD00106657800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.20 |
作者 | 郑晓玲 |
绘制单位 | 黎明职业大学智能制造工程学院 |
更多格式 | 高清、无水印(增值服务) |