《表4 训练集和测试集的多层感知器神经网络分析结果》
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。
图表编号 | XD00225579500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 李楠、杨春杰 |
绘制单位 | 运城学院生命科学系、运城学院机电工程系 |
更多格式 | 高清、无水印(增值服务) |