《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》
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。
图表编号 | XD00104628300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 杜柳青、王承辉、余永维、徐李 |
绘制单位 | 重庆理工大学机械工程学院、重庆理工大学机械工程学院、重庆理工大学机械工程学院、重庆理工大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |