《表4 训练集和测试集的多层感知器神经网络分析结果》

  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

《基于近红外光谱技术的小米产地溯源研究》

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

MLP-NN是一种前馈式有监督神经网络，由一个输入层、一个输出层以及一个或多个隐藏层组成。作为神经网络方法中最有影响的方法之一，MLP-NN具有从训练数据中学习复杂非线性映射的能力，能够发现数据间复杂的关系。利用训练集数据构建MLP-NN模型，隐藏层和输出层的激活函数分别为双曲正切和Softmax，隐藏层层数为1，单位数为50，优化算法为调整的共轭梯度。结果见表4，训练集中对样品产地溯源的平均正确为95.7%，预测集中对样品产地溯源的平均正确率为92.3%。以上结果表明建立的MLP-NN模型具有较高的准确度和可靠性，因此，相较于建立的FLDA判别模型，基于MLP-NN判别模型的近红外光谱技术可有效应用于小米的产地溯源。