《表6 优化后的神经网络预测压边力值及预测误差》
提示：宽带有限、当前游客访问压缩模式
测试样本仍采用表4中的相关参数，将这些参数输入优化后的神经网络，得到的预测值如表6所示．表6中同时列出了样本值，并计算了预测误差．对样本值进行插值，最后得到如图5所示的优化后神经网络的预测压边力加载曲线．
| 图表编号 | XD00130359000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 张华伟、郑晓涛 |
| 绘制单位 | 东北大学秦皇岛分校控制工程学院、东北大学秦皇岛分校控制工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 压边力对减薄率的影响》2020.12.28
- 《表6 各模型预测误差表：基于自适应鲸鱼优化算法结合Elman神经网络的股市收盘价预测算法》2020.05.10
- 《表2 利用LM算法改进后的神经网络预测误差数据表》2020.05.15
- 《表2 压边力取值(k N)》2020.05.25
- 《表2 粒子群优化RBF神经网络预测值误差分析》2020.04.25
- 《表4 测试样本参数：基于遗传算法优化神经网络的拼焊板压边力预测》2020.02.01
- 《表5 神经网络预测的压边力值及预测误差》2020.02.01
- 《表2 仿真结果：基于遗传算法优化神经网络的拼焊板压边力预测》2020.02.01
- 《表1 压边力对冲裁质量的影响》2019.09.25
- 《表1 预测结果误差对比：基于弹性网降维及花授粉算法优化BP神经网络的短期电力负荷预测》2019.07.01
- 《表4 V型变压边力模拟仿真与网络预测值对比》2019.11.25
- 《表2 模型误差分析：基于多元分析的优化模糊神经网络太阳能辐射量短期预测》2019.07.12
- 《表1 预测误差统计：基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用》2019.07.15
- 《表3 平均误差对比2：优化神经网络用电量预测性能的多元线性回归方法》2019.06.08
- 《表1 平均误差对比：优化神经网络用电量预测性能的多元线性回归方法》2019.06.08
- 《表6 优化后的仿真预测结果》2019.02.28
- 《表3 模型误差分析：基于拟合剔除的优化小波神经网络太阳辐射量预测》2019.06.10
- 《表1 不同压边力的数值模拟》2018.06.15
- 《表3 优化前后BP神经网络预测的翘曲量误差》2019.11.25
- 《表2 误差分析：基于遗传算法优化BP神经网络的接触网磨耗预测》2019.12.30