《表5 ANN模型训练结果》

  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

《红外光谱法结合K-均值聚类与神经网络对饮料瓶的检验研究》

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

将37个塑料饮料瓶样品数据建立神经网络模型，首先需要将样品分为两部分：训练集和验证集，传统方法是直接选取样品顺序的前70%作为训练集，后30%的样品作为验证集。由于数据的维数原因，变量之间往往会有相关关系。这种方法的缺点是无法保证数据之间的相互独立性，所以采用随机数发生器来将样品数据随机分为两部分，优点是能够尽量避免相同属性的样品被归类到一个数据集当中，增加模型的科学性。借助随机数发生器，本实验选取86.5%的样品作为训练集，13.5%的样品作为测试集，输入层神经元为18，输出层神经元为4，综合考虑训练集与测试集的性能，隐含层选择为3，设定训练次数为3 000次，误差率小于0.001%。神经网络模型中实线的颜色和粗细表示了每个神经元相互连接的权重，这些权重是输入层输入的样品光谱降维后的18维数据训练得出的。神经网络结构图见图8，模型质量见表5。