《表8 RBF神经网络模型性能》
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Dynaform与RBF-NSGA-II算法的冲压成形工艺参数多目标优化》
RBF神经网络模型性能如表8所示,此时最大减薄率与输入向量的可决系数R2为0.98716,最大增厚率与输入向量的可决系数R2为0.98742,表明所训练的网络模型能较好的逼近工艺参数与成形质量之间的复杂非线性关系。测试样本最大减薄率与最大增厚率的MAPE分别为0.0422和0.0162,表明所训练的RBF神经网络模型具有较高的泛化能力。
图表编号 | XD00138820500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.28 |
作者 | 刘强、俞国燕、梅端 |
绘制单位 | 广东海洋大学机械与动力工程学院、南方海洋科学与工程广东省实验室(湛江)、广东省海洋装备及制造工程技术研究中心、广东海洋大学机械与动力工程学院、南方海洋科学与工程广东省实验室(湛江)、广东省海洋装备及制造工程技术研究中心、广东海洋大学数学与计算机学院 |
更多格式 | 高清、无水印(增值服务) |