《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》
提示：宽带有限、当前游客访问压缩模式
神经网络经49组样本训练完成后，采用剩下的1组数据进行神经网络预测能力的检测，随机抽取的检测样本参数如表4所示，预测得到的压边力值及预测误差如表5所示．
| 图表编号 | XD00130359500 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2 样本数据：基于遗传算法的神经网络对植被混凝土坡面泥沙侵蚀量预测》2020.10.25
- 《表1 学习和检验样本：基于遗传算法优化BP神经网络的华北型煤田矿压破坏带深度预测》2020.06.25
- 《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6 优化后的神经网络预测压边力值及预测误差》2020.02.01
- 《表4 部分测试样本：基于遗传算法优化BP神经网络的管道泄漏检测方法研究》2020.01.28
- 《表2 部分测试样本：基于遗传算法优化BP神经网络的管道泄漏检测方法研究》2020.01.28
- 《表1 部分训练样本：基于遗传算法优化BP神经网络的管道泄漏检测方法研究》2020.01.28
- 《表3 部分训练样本：基于遗传算法优化BP神经网络的管道泄漏检测方法研究》2020.01.28
- 《表4 评价结果：基于遗传算法优化BP神经网络的YG8硬质合金耐磨性预测模型》2019.12.25
- 《表3 检验结果：基于遗传算法优化BP神经网络的YG8硬质合金耐磨性预测模型》2019.12.25
- 《表3 各模型评价指标：一种基于遗传算法优化的BP神经网络建筑物沉降预测模型》2019.09.25
- 《表2 各模型预测值：一种基于遗传算法优化的BP神经网络建筑物沉降预测模型》2019.09.25
- 《表1 样本数据集：基于遗传优化BP神经网络的尾矿库边坡稳定性预测》2019.11.25
- 《表1 岩爆工程实例数据：基于组合赋权的遗传算法优化BP神经网络岩爆预测研究》2019.10.25
- 《表3 对比矩阵：基于组合赋权的遗传算法优化BP神经网络岩爆预测研究》2019.10.25
- 《表1 网络训练样本：基于混合神经遗传算法的扩胀管吸能特性预测》2019.05.08
- 《表2 实验样本：基于遗传算法的BP神经网络熔融沉积成型翘曲变形预测研究》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
- 《表1 归一化数据：基于遗传算法优化BP神经网络的接触网磨耗预测》2019.12.30