《表4 五种神经网络模型的测试结果》
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
《改进dynFWA优化BP神经网络在加工中心主轴故障诊断中的应用》
由表3可知,BPNN的迭代次数最高,但在模型复杂度一般的情况下,能达到一般的训练误差即模型精度一般。GA-BPNN的模型复杂度最大,而且得到了最大的训练误差即模型精度较差。PSO-BPNN相对于BPNN来说,模型复杂度大,训练误差减少的并不明显。dynFWA-BPNN的模型复杂度和训练误差一般。改进dynFWA-BPNN的模型复杂度和训练误差是五种神经网络模型中最小的即模型精度较好。用以上五种神经网络模型对测试样本进行分类识别,为了避免一般性,测试次数为50次,测试结果如表4所示。
图表编号 | XD00181354500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.18 |
作者 | 张洪、李开杰、王通德 |
绘制单位 | 江南大学机械工程学院江苏省食品先进制造装备技术重点实验室、江南大学机械工程学院江苏省食品先进制造装备技术重点实验室、国网电力科学研究院江苏南瑞恒驰电气装备有限公司 |
更多格式 | 高清、无水印(增值服务) |