《表2 训练相对误差比较：基于主元提取的鲁棒极限学习机研究及其化工建模应用》

  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

《基于主元提取的鲁棒极限学习机研究及其化工建模应用》

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

从表2中可以看出，ELM模型的精度受隐含层节点数目的影响较大，随着隐含层节点数的变化精度波动较大。由此可以看出，ELM模型不稳定，隐含层节点数不容易选取:经验法不确定性强；试凑法容易陷入局部最优解。而PCE-RELM模型的误差基本稳定，受隐含层节点数目变化的影响较小，且模型精度较高，基本稳定在1%左右。在允许的误差范围内，PCE-RELM模型具有极大优势，对设计者具有友好性，构建PCE-RELM模型不需要较高的经验要求，并且设计过程简单快捷。