《表2 BP神经网络训练误差》
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BP-RBF神经网络的组合模型预测港口物流需求研究》
对样本输入进行归一化处理,使数据归一到[0,1].其中,Xi和xi分别为转换前、后的值,xmax和xmin分别为样本的最大值和最小值.数据归一化处理后,构建三层BP网络,包括一个输入层(6个神经元),一个隐含层和一个输出层(1个神经元).网络隐含层神经元传递函数为tansig,输出层神经元传递函数为logsig,训练函数采用trainlm.训练周期为1 000次,训练精度为0.000 001.根据Kolmogorov定理,当输入层的神经元为6个时,网络中间层的神经元可初步确定为13个,考虑本例的实际情况,解决该问题的网络隐含层神经元应当在13~20个,将它们的训练结果进行比较,如表2所示.当网络隐层的神经元为14个时,网络的训练效果最佳,此时网络模型的平均绝对百分误差(MAPE)最小,MAPE表达式如下:
图表编号 | XD00110886600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.10 |
作者 | 蔡婉贞、黄翰 |
绘制单位 | 汕头职业技术学院经济管理系、华南理工大学软件学院 |
更多格式 | 高清、无水印(增值服务) |