|
关注：1
2013-05-23 12:21
求翻译：Modeling with neural network algorithm is more likely to be favorable than LR algorithm for the thermal errors on complex thermal systems of machine tool that presents nonlinear and interactive features, which is also proved by experimental results in test A for modeling and test B for prediction. Contrasting the predi是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Modeling with neural network algorithm is more likely to be favorable than LR algorithm for the thermal errors on complex thermal systems of machine tool that presents nonlinear and interactive features, which is also proved by experimental results in test A for modeling and test B for prediction. Contrasting the predi
问题补充： |
|
2013-05-23 12:21:38
用神经网络算法建模更可能是逊于LR算法对机床呈现非线性和交互功能，这也证明了用于预测建模和测试中的B测试的实验结果复杂热力系统的热误差。
|
|
2013-05-23 12:23:18
塑造与神经网络算法比热误差的LR算法是可能有利在的机械工具复杂热量系统提出非线性和交互式特点，由在测试A塑造的和测试B的实验结果也证明预言的。对比LR模型的预言曲线(显示在图12)与那RBF模型(显示在图。
|
|
2013-05-23 12:24:58
塑造以神经网络算法比LR算法是可能有利为热量错误在提出非线性和交互式特点，由实验性结果在测试A为塑造和测试B也证明为预言机床的复杂热量系统。 对比LR模型的预言曲线 (显示在。 12) 与那RBF模型 (显示在。 13) 和LR模型的预言准确性与在表显示的那 (RBF模型比较5)，它能被看见RBF模型的预言能力比那好LR模型。 结果表示， RBF模型适合被测量的热量错误90%，并且在预言和测量，即，模型的预言错误之间的区别是在25%以下原始的热量错误，因此机床的热量精确度将促进75%在报偿以后，显示在表5。
|
|
2013-05-23 12:26:38
用神经网络算法建模是更有可能是比 LR 算法的复杂热力系统的介绍了非线性的机床热误差有利和交互式功能，这也证明由实验结果在建模测试 A 和测试 B 预测。与 RBF 模型 （13 图中所示） 的对比 （如图 12 所示)，LR 模型的预测曲线和比较预测准确性的 LR 模型与 RBF 模型 （如表 5 所示），可以看到 RBF 模型的预测能力是比 LR 模型的更好。结果显示 RBF 模型非常适合于测量热误差超过 90%，并预测和测量之间的区别，即该模型的预测错误是低于 25%在原始的热错误，那么热的精度机床工具将增加超过 75%后补偿，表 5 中所示。
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
