《表2 BP神经网络训练误差》

《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》


  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

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: