《表9 批梯度下降训练和动量批梯度下降函数训练结果Table 9 Training results of batch gradient descent and momentum gradient de
由表8可以看出,系统对于前端定性识别后的气体能够完成定量分析,并且预测结果要明显比回归分析精确很多,这充分说明神经网络在数据处理方面具有明显的优势。但是批梯度下降训练函数(Traingd)收敛速度慢,使得它在处理大量数据时效果不是很好,所以下面引出了普通训练中的另一个训练算法动量批梯度下降函数(Traingdm),表9给出了混合气体条件下和单一气体条件下的传感器的Rs/R0(期望值)分别在两种普通训练法下的训练结果。
图表编号 | XD0025805500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.02.25 |
作者 | 仝劝、冯侨华、盛显超、武士涛、施云波 |
绘制单位 | 哈尔滨理工大学测控技术与通信工程学院测控技术与仪器黑龙江省高校重点实验室、哈尔滨理工大学测控技术与通信工程学院测控技术与仪器黑龙江省高校重点实验室、哈尔滨理工大学测控技术与通信工程学院测控技术与仪器黑龙江省高校重点实验室、哈尔滨理工大学测控技术与通信工程学院测控技术与仪器黑龙江省高校重点实验室、哈尔滨理工大学测控技术与通信工程学院测控技术与仪器黑龙江省高校重点实验室 |
更多格式 | 高清、无水印(增值服务) |