《表1 DBN的参数设置：基于深度置信网络的互联网流量预测方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度置信网络的互联网流量预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

DBN的每一层都被单独训练成一个具有sigmoid激活函数的RBM，DBN的首选设置见表1。最初，靠近输入层的第1个隐层以无监督的方式进行训练，为神经网络的第1层构造一组初始的参数值。然后，从这一层获得的输出作为1个新的特征集，作为下一层的输入。这些层是建设性地添加和独立地训练一个接一个，这个过程被称为贪婪分层预训练。为了获得更多的非线性表示，这个过程可以重复任意次数。这提供了神经网络的参数初始化。DBN中的RBM层一旦经过训练，就会添加一个具有成本函数的输出层。因此，利用监督算法对网络进行全局微调来预测目标，通过增加线性输出层，实现500次迭代对网络进行训练。