论文部分内容阅读
采用主成分分析法对样本数据集进行预处理，将得到的新样本数据集输入神经网络，构建F／10家族木聚糖酶氨基酸组成和最适温度的主成分分析神经网络（PCANN）模型．结果表明，当学习速率为0．07、动态参数为0．8、Sigmoid参数为0．96，隐含层结点数为5时，模型对温度拟合的平均绝对百分比误差为4．97％，绝对误差为3．03℃．同时,方法具有良好的预测效果，预测的平均绝对百分比误差为4．68％，平均绝对误差为3．55℃．