《表3 Computer Hardware拟合结果对比》
实验过程中数据集中的数据被随机分为训练集和测试集,其中70%作为训练集,剩余30%作为测试集。为减少各个变量差异较大的影响,在算法运行前先对数据进行归一化处理,具有平均最优RMSE的实验结果被记录在表2~表5中。可以看出,DECABC-ELM在所有的数据集拟合实验中获得了最小的RMSE,但在Auto MPG和Computer Hardware中,DECABC-ELM的Std.Dev.却比其他算法差,即稳定性有待提升。从训练时间和隐层节点数上看,PSO-ELM和DEPSO-ELM收敛速度较快,且使用的隐含层节点数较少,但精度差于DECABC-ELM。综合考虑,DEABC-ELM的性能较为优越。
图表编号 | XD007582900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.20 |
作者 | 毛羽、毛力、杨弘、肖炜 |
绘制单位 | 轻工过程先进控制教育部重点实验室江南大学物联网工程学院、轻工过程先进控制教育部重点实验室江南大学物联网工程学院、中国水产科学研究院淡水渔业研究中心、中国水产科学研究院淡水渔业研究中心 |
更多格式 | 高清、无水印(增值服务) |