《表4 卷积神经网络的实际输出》
卷积神经网络的测试集的理论输出结果和实际输出结果如表4所示,表中2 000代表卷积神经网络的测试集,最后一行的数字表示10种工况用来进行测试的数据量,最后一列的数字表示卷积神经网络对各种工况数据集的识别结果.以前两种工况为例,第1、2种工况用来进行测试的数据量分别为143+28=171、20+170=190,而卷积神经网络识别出的结果为:第1、2种工况分别有143+20=163、28+170=198个数据.由表1可以看出,工况1、2,3、4,5、6,7、8,9、10分别表示5种不同位置分别损伤5%和10%的情况,可以看出表4中卷积神经网络对桥梁损伤位置科技进行准确识别,正确率达到100%,对损伤程度的判别误差只发生在同一损伤位置,因此图9的分类正确率也可反映卷积神经网络的损伤定量识别效果,从而验证了卷积神经网络相对于上述4种传统统计模式识别方法具有更好的损伤分类效果.
图表编号 | XD00176647000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 何浩祥、王玮、黄磊 |
绘制单位 | 北京工业大学工程抗震与结构诊治北京市重点实验室、北京工业大学工程抗震与结构诊治北京市重点实验室、北京工业大学工程抗震与结构诊治北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |