《表2 隐含层节点数与神经网络程序最终的运行结果》
隐含节点数设置的合理性至关重要,若节点数量过少,则无法支撑模型的构建,对应地也就不能构成相符的映射关系,这将极大地影响神经网络模型的预测精准度;若节点过多,网络学习的时间会相应增加,此时对模型的运行效率有较大影响。结合相关理论可知还可能出现“过拟合”问题,同样对模型预测准确性有较大影响。在上述要求下进行计算,计算得到隐含层节点数范围4~19。根据计算结果,文章决定以单隐含层神经网络模型为基础,将tansig函数作为输出层与隐含层传递函数、以线性函数purelin作为隐含层与输出层传递函数,对不同隐含层节点数进行50次训练,训练项目为初始化权值,运行程序,记录采用,通过训练得到所有数据,而后再对比分析全部训练结果,获得误差值,计算平均值,并据此对比分析训练误差与平均值的差值,将所得差值最小的训练误差作为最终训练结果。表2所示为隐含层节点数与神经网络程序的运行结果。
图表编号 | XD0058593900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 刘颖 |
绘制单位 | 陕西交通职业技术学院 |
更多格式 | 高清、无水印(增值服务) |