《表2 整体钻头对沉积岩不同训练算法的性能》

  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

《基于人工神经网络模型的岩石特性预测》

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

表2给出了使用不同训练算法的网络的体系结构和性能。很明显，从表2可以看出L-M训练算法收敛速度、期数、MSE值比其他训练算法更有优势。图6显示了采用L-M算法过程MSE与隐含层中神经元数量的变化。从图6可发现，对于此模型，当隐含层神经元的数量是5时，MSE为0.00015528，它随着神经元的数目的增加而减少，在神经元数目为30（13∶10∶7）时，达到一个最低值0.000101，此后增加神经元的数量，MSE又逐渐增加。因此，采用最佳MLP配置为5∶13∶10∶7∶4。