《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》

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。