《表2 不同增量型随机权神经网络算法的建模结果对比》

  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

《优化增量型随机权神经网络及应用》

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

为了说明所提算法的优越性，将其与RVFLNs、I-RVFLNs和EI-RVFLNs在相同数据集上进行对比实验，如图5所示。通过对比发现，相对于其他三种已有RVFLNs算法，采用所提O-I-RVFLNs方法建立的模型能够获得更好的建模效果，其模型估计输出与实际输出最为接近。表2对比了不同增量型RVFLNs的建模结果，可以看出，在模型到达终止条件时，所提O-I-RVFLNs的隐层节点数最少，模型结构最简单，因此其运算效率高于传统I-RVFLNs和EI-RVFLNs算法。