《表4 卷积神经网络的实际输出》

  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

《基于卷积神经网络和递归图的桥梁损伤智能识别》

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

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．