《表2 实验结果：基于SVM的RBF网络在农机总动力预测中的应用》

  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SVM的RBF网络在农机总动力预测中的应用》

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

分别用改进算法和系统聚类的方法训练神经网络，用其预测2011-2014年黑龙江省的农机总动力，然后将预测值与实际值进行比较。预先径向基神经网络的初始参数如下:输入神经元个数为6，输出神经元个数为1，初始权值W0=[1，1，…，1]T，初始阈值b0=1，网络学习精度0.001，重叠系数ε=1，学习率是0.1，支持向量机聚类时的C=1，q=300。采用系统聚类训练径向基神经网络时，网络的各项参数均与改进方法相同。网络的观测值和实际输出值的曲线对比图如图4所示，两种方法具体的输出情况如表2所示。