《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》
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。
图表编号 | XD00219902800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 孟智慧 |
绘制单位 | 中国移动通信集团设计院有限公司山西分公司 |
更多格式 | 高清、无水印(增值服务) |