《表4 CNN模型的主要参数》

  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AD-CNN算法的配电网内部过电压识别技术》

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

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。