Here, MATLAB is used for training t

Here, MATLAB is used for training the network model for tool life prediction. The network is trained with 70 percent of the measured data. The remaining 15 percent of thedata are used for testing and the other 15 percent of the data are used for validation.The predicted values of neuro fuzzy model are given in Table X. The predicted valuesof the tool life as given by neuro fuzzy model are compared with the experimentalvalues for the validation of experiments. The comparison is depicted in terms ofpercentage error in Figure 11 for validation. It is observed from the Table XI that toollife predicted by the nero-fuzzy model is very close to ±2 percent of the actual values.Most of the values are within the ±2 percent error band.

結果 (繁體中文) 1:

在這裡，MATLAB是用於訓練網絡模型的刀具壽命預測。淨
工作訓練與測量數據的70％。所述的剩餘15％的
數據被用於測試和數據的其他15％的被用於驗證。
神經模糊模型的預測值在表X中給出了預測值
的工具壽命的由神經模糊模型給出與實驗進行比較
進行的實驗驗證值。比較來講是描繪
圖11個錯誤進行驗證。它是從表XI觀察到，工具
壽命由Nero的模糊模型預測是非常接近實際值的±2％。
大部分值是±2％的誤差帶內。

結果 (繁體中文) 2:

此處，MATLAB 用於訓練工具壽命預測的網路模型。網
工作使用 70% 的測量資料進行訓練。其餘 15% 的
資料用於測試，其他 15% 的資料用於驗證。
表十給出了神經模糊模型的預測值。預測值
將神經模糊模型給出的工具壽命與實驗比較。
值來驗證實驗。比較以
用於驗證的圖 11 中的百分比誤差。從表十中觀察到，該工具
尼祿模糊模型預測的壽命非常接近實際值的±2%。
大多數值都在 ±2% 誤差範圍內。

結果 (繁體中文) 3:

在此，利用MATLAB對刀具壽命預測的網絡模型進行訓練。網
70%的量測數據對工作進行了培訓。剩下的15%
數據用於測試，其他15%的數據用於驗證。
神經模糊模型的預測值見錶X。預測值
將神經模糊模型給出的刀具壽命與實驗結果進行了比較
實驗驗證值。比較是用
圖11中用於驗證的百分比錯誤。從錶XI可以看出工具
用nero模糊模型預測的壽命非常接近實際值的±2%。
大多數數值都在±2%的誤差範圍內。