《表1 软测量误差对比:海洋生物酶发酵过程关键生物参数的软测量》
为了更直观地说明贝叶斯正则化神经网络的预测性能,文中将贝叶斯正则化神经网络与LM算法[13,14]的神经网络进行了对比,采用平均绝对误差和均方根误差和最大绝对误差3个预测性能的评价指标反映模型的预测效果,结果如表1所示。表中2种算法的神经网络采用了相同的训练数据、测试数据和网络参数。可以看出LM算法的神经网络预测误差要比前者大得多。结合图4和表1可以看出贝叶斯正则化神经网络具有较高的预测精度。
图表编号 | XD007611400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.09.20 |
作者 | 孙丽娜、黄永红、丁慎平、刘骏 |
绘制单位 | 苏州工业园区职业技术学院机电工程系、江苏大学电气信息工程学院、苏州工业园区职业技术学院机电工程系、苏州工业园区职业技术学院机电工程系 |
更多格式 | 高清、无水印(增值服务) |