《表7 液压阀芯表面粗糙度Ra预测结果》
由图5可以看出,在相同迭代次数的情况下,GA-BP神经网络训练误差更小。采用BP神经网络算法和GA-BP神经网络算法对液压阀芯表面粗糙度进行预测,结果见表7。
图表编号 | XD0036161500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.20 |
作者 | 王栋梁、秦娟娟、孙永吉 |
绘制单位 | 兰州工业学院工程训练中心、兰州工业学院机电工程学院、兰州工业学院工程训练中心 |
更多格式 | 高清、无水印(增值服务) |
由图5可以看出,在相同迭代次数的情况下,GA-BP神经网络训练误差更小。采用BP神经网络算法和GA-BP神经网络算法对液压阀芯表面粗糙度进行预测,结果见表7。
图表编号 | XD0036161500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.20 |
作者 | 王栋梁、秦娟娟、孙永吉 |
绘制单位 | 兰州工业学院工程训练中心、兰州工业学院机电工程学院、兰州工业学院工程训练中心 |
更多格式 | 高清、无水印(增值服务) |