《表2 不同训练代数下模型的测试误差值》

  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

《基于神经网络的风电塑料齿轮箱模具工艺参数多目标优化》

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

/%/%

图4为模型在训练阶段的损失值变化情况。损失值可表征模型的收敛状态，在训练阶段中，损失值首先急剧下降，此时模型的预测性能不断地被优化。当损失值趋于平缓时，模型的预测性能达到较优区间[9]。从图4可以看出，在约400代时，模型达到收敛状态。分别保存训练至400代、500代、600代、700代、800代、900代的模型，统计其在测试集上预测的体积收缩率误差值和翘曲量误差值。表2为不同训练代数下模型的测试误差值。从表2可以看出，训练至400代的模型具备较大的测试误差值，说明模型刚到达收敛状态，还有较大的性能提升空间，训练至600代、700代、800代、900代的模型同样具备较大的测试误差值，而训练至500代的模型具备最小的测试误差值，体积收缩率误差值为1.68%，翘曲量误差值为0.98%。保存训练至500代的风电塑料齿轮箱优化模型，开展后续研究。