《表2 网络学习参数设置:基于深度自编码器的大型龙门加工中心热误差建模方法》
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》
深度学习一般包括逐层预训练和微调两个阶段。根据表1的结构,先选择所采集的数据进行预训练。在预训练阶段,每层作为一个自编码器进行训练,其目标是最小化重构误差。在每一层进行特征提取,提取的隐含层作为下一个隐含层的输入。当所有的层预训练完成时,神经网络进入微调阶段。在该阶段,对整个神经网络进行反向传播使得预测误差最小化,图3为具有4个隐含层的堆叠自编码器的结构图。其中,神经网络的学习参数设置如表2所示。堆叠自编码器的训练过程如图4所示。
图表编号 | XD00104628900 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) |