《表1 Matlab神经网络特征分类结果》

  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

《基于神经网络蜂窝芯超声切削工艺数据库的设计与开发》

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

特征分类模型的主要元素是特征结构参数，分类结果是刀具类以及加工参数类。据查，为使BP神经网络能够很好地反映实际，当神经网络的输入节点数为n时，隐含层节点数m应选取2n+1个。因此，输入节点数为10，隐含层节点数为21个，输出节点数为2个。训练过程采用100组特征及相关工艺数据，随机选取90组数据作为训练样本，其余10组作为测试样本。用Matlab建立神经网络模型，学习步长取0.8，误差收敛因子为0.01，隐含层和输出层的激发函数为非线性Sigmoid函数神经网进行训练后，使用测试数据进行验证，获得测试误差为0.01的数据模型作为最终的分类模型。表1为几个典型特征的数据分类结果。