《表5 测试结果Tab.5 Test results》
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
《单类学习下基于VSAPSO-BP的掘进机异常检测方法》
将训练完成的神经网络用测试样本进行测试,结果如表5所示。由于健康数据与故障数据的特征都比较明显,因此识别率均较高。故障临界数据的特征比较模糊,因此识别率相对较低。测试结果表明,笔者建立的VSAPSO-BP神经网络对数据的识别准确率较高且平均误差较小,分类性能优于PSO-BP神经网络和APSO-BP神经网络。
图表编号 | XD0046920900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 杨健健、唐至威、王晓林、王子瑞、吴淼 |
绘制单位 | 中国矿业大学(北京)机电与信息工程学院、中国矿业大学(北京)机电与信息工程学院、中国矿业大学(北京)机电与信息工程学院、中国矿业大学(北京)机电与信息工程学院、中国矿业大学(北京)机电与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |