《表2 CNN与ELM模型测试误差部分数据》

  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

《基于深度卷积网络的煤泥浮选尾矿灰分检测方法研究》

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

%

由图5相对于图6可知，CNN模型、ELM模型在实际灰分值有增长趋势后，两者模型的预测也会增长。而对于灰分值大于60%时，两者的预测都出现了较大的波动。但是从整体曲线上观察，CNN模型预测曲线则较为稳定。CNN与ELM模型测试误差部分数据如表2所示，由表2可以出，CNN模型预测误差较为平稳，较少出现大幅度的误差，其大部分相对误差在10%以内。相对于传统人工提取图像特征的方法，使用深度卷积神经网络自动提取特征并回归预测，具有效果更好，泛化性更强。