《表3 网络模型规模比较》
表3和图6分别对比了三个训练算法得到的熔池熔透状态识别模型的规模以及在隐层节点数目变化情况下对三种熔透状态识别的平均准确率,可以发现每种训练算法下识别效果最好的模型其隐层节点数并不相同,可以看出ELM和L1/L2-ELM算法在隐层节点数上比较相近,均有效简化了网络的规模,训练时间也大大减少.此外,与ELM算法相比,L1/L2-ELM算法提高了对全熔透、过熔透、未熔透状态的识别准确率,取得了较好的识别效果.
图表编号 | XD0025472300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.09.25 |
作者 | 冯宝、覃科、蒋志勇 |
绘制单位 | 机器人与焊接重点实验室桂林航天工业学院、广西高校非线性电路与光通信重点实验室广西师范大学、机器人与焊接重点实验室桂林航天工业学院、广西高校非线性电路与光通信重点实验室广西师范大学、机器人与焊接重点实验室桂林航天工业学院 |
更多格式 | 高清、无水印(增值服务) |