《表3 部分在线应用结果》

  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

《深度学习在中厚板轧后超快速冷却系统中的研究与应用》

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

表2、表3为命中率对比与部分在线应用结果.由表2和表3可以得出，对于不同规格的板材，深度神经网络可以很好地预报出传热系数，而且对终冷温度的控制上满足工程的要求，且误差要小于原控冷系统，并更加稳定.在控冷指标为±20℃条件下命中率可达96%，相比于传统模型命中率提升了约3个百分点.