《表2 不同结构神经网络训练误差》

  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GA–BP神经网络的番茄应力松弛参数的估计》

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

为简单实用，选用3层BP神经网络结构，选择双层型函数作为输入层与隐含层间的传递函数；选择线性函数作为隐含层和输出层间的传递函数[16]。根据实际确定输入量为力F、变形量D和时间t，输出量为应力松弛参数E、Ee、η，故输入层和输出层的节点数都为3。在实际应用中，通常采用试凑法确定隐含层神经元数目，隐含层节点数选择参考经验公式和Kolmogorov定理[17]，得出隐含层节点数l∈[7，12]。以采用均方误差（MSE）和平均绝对误差（MAE）作为评价网络性能函数，由此建立不同网络结构的预测误差，见表2。当l=11时，网络性能有显著提高，故网络拓扑结构为3–11–3，如图2所示。网络具体输入为番茄每次应力松弛试验过程中的加载力F、变形量D和时间t，相应拟合得到的应力松弛特性参数E、Ee和η为输出。其中，变形量D为每次应力松弛试验时番茄压缩率所确定的恒定变量D0。