《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》
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。
图表编号 | XD0038439100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 吴志辉、王福林、董志贵 |
绘制单位 | 东北农业大学工程学院、东北农业大学工程学院、东北农业大学工程学院 |
更多格式 | 高清、无水印(增值服务) |