《表4 CNN模型的主要参数》
考虑到CNN的计算量和模型重构效率,将CNN模型的隐含层设置为4层(C1–S1–C2–S2),模型主要参数如表4所示。在预训练过程中,整个训练集被调整成一系列维度为2 025(45×45)的数据集,批量样本数为3,则每3个训练样本被视为一个样本送入模型中学习。通常,卷积核的尺寸对模型的性能有极大的影响。由于下采样层的输出特征图尺寸须为整数,所以满足条件的卷积核尺寸组合共有55组。根据表4输入特征图尺寸和下采样因子的参数,训练次数设为50,对可能的卷积核组合进行遍历实验,得到其中6组的识别准确率和训练时间如表5所示。
图表编号 | XD00100969600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.31 |
作者 | 廖宇飞、杨耿杰、高伟、郭谋发、陈永往 |
绘制单位 | 福州大学电气工程与自动化学院、国网福建省电力有限公司福州供电公司、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、国网福建省电力有限公司晋江供电有限公司 |
更多格式 | 高清、无水印(增值服务) |