【摘要】：由此可见，两种网络的预测效能总体上比较接近，相比较而言，BP网络稍优于Elman网络。而且在实际运用中，BP网络的训练速度要明显高于Elman网络。
不同预测模型的预测性能比较_认知负荷的评估与变化预测研究
三、不同预测模型的预测性能比较
为了对不同作业时间段认知负荷在各评估指标上发生变化进行预测，本研究分别构建了静态的BP网络预测模型和动态的Elman网络预测模型。对表4.8中归纳的结果进行比较分析可看出。从误差总均值来看，无论是哪种模式，Elman网络的相对误差要稍高于BP网络，例如，Elman网络/模式三的相对误差为30.093%，而BP网络为28.173%。Elman网络与BP网络的绝对误差和均方误差比较接近，Elman网络的绝对误差在－0.016～0.028之间，BP网络在0.012～0.046之间，Elman网络的均方误差在0.045～0.061之间，BP网络在0.052～0.056之间。从具体的网络来看，Elman网络的相对误差在18.349%～36.386%之间，而BP网络在22.527%～35.214%之间，Elman网络的波动性较BP网络要大;绝对误差方面，Elman网络在－0.051～0.059之间，BP网络在－0.007～0.071之间，也是Elman网络的波动性较BP网络要大;均方误差方面，Elman网络在0.020～0.091之间，BP网络在0.037～0.073之间，也是Elman网络的波动性较BP网络要大。由此可见，两种网络的预测效能总体上比较接近，相比较而言，BP网络稍优于Elman网络。而且在实际运用中，BP网络的训练速度要明显高于Elman网络。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
