《表6 各神经网络对样本数据角变形的预报结果 (°) Tab.6 Prediction results of angular deformation of sample data based on n
在建立神经网络的基础上,以ANSYS计算得到的88组数据作为训练样本训练神经网络,以剩余的10组数据作为预测样本输入神经网络中进行预报,并将4个神经网络的预报结果与真实值的收缩量与角变形进行对比,预报结果如表5、6所示。通过表7发现,4个神经网络的预报效果吻合度及稳定性的排序分别是5参数>6参数>3参数>4参数,且5、6参数预报效果明显优于3、4参数,原因是3、4参数预报相对于5、6参数缺少重要特征,导致在预报过程中信息缺失而使得预报结果偏离实际值较多,而5参数由于减少了无关特征,相比6参数的预报结果则更为精确稳定。
图表编号 | XD0040467000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 王哲宇、柳存根、杨志 |
绘制单位 | 上海交通大学海洋工程国家重点实验室、高新船舶与深海开发装备协同创新中心、上海交通大学海洋工程国家重点实验室、高新船舶与深海开发装备协同创新中心、上海交通大学海洋工程国家重点实验室、高新船舶与深海开发装备协同创新中心 |
更多格式 | 高清、无水印(增值服务) |
查看“表6 各神经网络对样本数据角变形的预报结果 (°) Tab.6 Prediction results of angular deformation of sample data based on neural networks (°)”的人还看了
- 表6 产品市场竞争对董事网络与信息披露质量关系影响的回归结果Tab.6 Regression results of the impact of product market competition on the relationship b
- 表3 角关联对60Co符合相加因子的影响Tab.3 The effect of angular correlation on coincidence summing coefficient of 60Co
- 表6 1 875.0keV的γ射线以0 (5) 5 (5) 0跃迁方式与能量为140.0keV的γ射线级联时, 角关联对γ射线级联符合相加因子的影响Tab.6 Effect of angular correlation on coincid