《表1 不同隐含层神经元个数的网络性能对比》

  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

《遗传算法优化神经网络的热轧带钢弯辊力预报模型》

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

输入层神经元为影响热轧板形弯辊力设定的主要因素，本文中选取轧制过程中带钢入口温度T，入口厚度H，出口厚度h，带钢宽度W，轧制力FR，轧制速度v，工作辊横移量S，带钢屈服强度σs和目标凸度C等9个参数为输入层神经元，输出层神经元为弯辊力FB.中间隐含层神经元个数对整体神经网络模型的性能有着显著影响，通常，较多的隐含层神经元个数会使网络性能提高，但也导致网络训练时间过长，较少的神经元个数则会导致网络的泛化能力不足.目前，国际上没有确定隐含层神经元个数的通用方法，在实际应用过程中只能通过“试凑法”来确定，本文对不同隐含层神经元个数网络性能进行大量测试，最终确定的隐含层神经元个数为11个.测试效果如表1所示.