《表1 不同网络结构的重构误差比较》

  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

《基于深度自编码器的大型龙门加工中心热误差建模方法》

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

深度自编码器是由多个浅层自编码器堆叠形成的深度神经网络，可以逐层地学习数据特征[12]。其网络层数越多，提取的特征也就越抽象[13]。在构建该网络模型中，SAE结构的隐含层数和节点数是自动编码器模型的重要参数。模型的输入层节点个数为4，对应的期望输出节点个数为4。分别设置不同过程的神经元隐含层节点个数和隐含层层数，比较重构误差，确定其网络结构。由表1可知，当SAE深度隐含层数增加到一定限度时，重构误差不再减小，反而增加。由表1可知，当选择节点为4-3-2-3-4的结构时，即将自编码器堆叠形成堆叠自编码器，此时数据的重构误差最小，表示输入数据已被很好地编码。