《表2 不同结构神经网络训练误差》
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。
图表编号 | XD0026604700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.25 |
作者 | 严正红、周俊、毛家敏 |
绘制单位 | 南京农业大学工学院、江苏省智能化农业装备重点实验室、南京农业大学工学院、江苏省智能化农业装备重点实验室、南京农业大学工学院、江苏省智能化农业装备重点实验室 |
更多格式 | 高清、无水印(增值服务) |