《表5 sin、sig、hardlim训练时间及精度对比》
使用MATLAB进行极端学习仿真,不同激活函数sin、sig、hardlim函数的训练时间以及训练精度的对比见表5(N为隐藏神经元数)[24]。3种函数期望输出与隐藏层个数的关系图见图6-8。横坐标代表的是样本序号,纵坐标代表的是故障特征描述。由ELM分类器所得到的图表显示,其预测效果相当可靠,并且在sig函数,隐含层数目为15时是最为理想的训练效果。由表5可以明显的对比出最终的函数选择。在经过ELM极端学习及分类选择之后,文中选择sig函数作为激活函数。
图表编号 | XD00101242800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.16 |
作者 | 王昕、尤泽樟、代婷荣、曹敏、李翔、赵艳峰、王先培 |
绘制单位 | 南方电网电能计量重点实验室、云南电网有限责任公司电力科学研究院、武汉大学电子信息学院、武汉大学电子信息学院、南方电网电能计量重点实验室、云南电网有限责任公司电力科学研究院、南方电网电能计量重点实验室、云南电网有限责任公司电力科学研究院、南方电网电能计量重点实验室、云南电网有限责任公司电力科学研究院、武汉大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |