《表1 训练样本均方差和测试样本均方差随SPREAD值变化的数值Tab.1 The mean square errors of training samples and test samples ch

  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GRNN神经网络的凹印专色配色模型研究》

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

文中在450组合格样本中选出410组用于训练网络模型，其中330组作为训练样本，80组作为测试样本，采用Matlab[15—16]软件进行仿真训练，并借助MSE函数确定最优的平滑因子SPREAD值，其步骤见图3。文中首先设定SPREAD的取值范围为[0~30]，每次以2的间隔递增，进行网络训练，计算训练样本均方差和测试样本均方差，结果显示测试样本均方差随SPREAD增大出现迅速减小而后缓慢增加的趋势，当SPREAD在6~8之间时，检验样本均方差最小。缩小平滑因子的取值范围，将SPREAD的取值范围设为[6~8]，每次以0.1的间隔递增，再次训练网络，得到训练均方差和测试均方差随SPREAD变化的数值见表1。由表1可知，当SPREAD为6.4时，测试样本均方差值最小，且此时训练样本的均方差为0.0497，在可接受范围内。由于训练过程中系统自动寻找最优参数，避免人为因素的影响，使得结果可靠，因此，确定文中基于GRNN神经网络的专色配色模型中平滑因子的取值为6.4。