《表2 神经网络训练设计安排及结果》

  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BP神经网络与遗传算法的新霉素发酵培养基优化》

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

根据影响新霉素发酵效价的主要因素设计神经网络的拓扑结构，通过选用合适的初始权值和学习速率，设定训练结束条件对网络进行训练。主要训练操作如下：（1）随机初始化权值；（2）确定输入和输出目标值；（3）确定网络实际输出；（4）不断修正权值，从输出层开始，将目标输出与实际输出间的误差信号反向传播回去，再进行各连接权值的修正使误差最小；（5）满足误差训练要求，输出训练结果，终止训练，否则回到（2）继续进行训练[8]。在神经网络模型构建中，隐层神经元数N，学习速率η，动量因子α是影响模型收敛性和稳定性的重要因素。网络的隐层神经元数N，学习速率η，动量因子α参数采用均匀设计安排，设计水平和结果如表2所示。研究中设定网络训练最小误差变化率ω为1×10-6，最小输出相对误差ε为1%，设定输出误差连续负增长次数最大为1 000次[9]。