《表4 各模型的关门声品质预测效果对比》
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EEMD样本熵与小波神经网络的汽车关门声品质预测》
同时,为显示基于EEMD分解的样本熵特征向量及小波神经网络模型的优势,建立了基于EEMD分解的样本熵的BP网络预测模型、基于心理学客观参数的小波神经网络预测模型、基于心理学客观参数与BP神经网络的预测模型。心理学参量如表2所列;BP网络的传输函数选用sigmoid,隐含层神经元数目由n=i+o+a(i、o分别为输入输出层神经元的个数,a取1~10)确定。最终确定各网络的结构分别为10-12-1、5-11-1、5-8-1。从26个声样本中选取前20个样本用于模型的训练,剩余的6个样本用于模型检测,并对输入输出样本进行归一化处理。各网络训练时采用默认Levenberg-Marquardt算法,设置训练精度0.01为网络收敛条件。由于神经网络每次的运算结果不同,各模型预测结果取模型运行100次后的均值,如图5和表4所示。
图表编号 | XD0086580500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.18 |
作者 | 马志远、王洪波、孙晴 |
绘制单位 | 湖南大学汽车车身先进设计制造国家重点实验室、湖南大学汽车车身先进设计制造国家重点实验室、湖南大学汽车车身先进设计制造国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |