《表2 窗口长度与各指标关系》
%
每类数据中选取50%训练神经网络,训练次数为2 000次,该网络共有3个隐含层,第1个隐含层设置10个节点,激活函数采用Sigmoid函数;第2个隐含层设置为5个节点,激活函数同样采用Sigmoid函数;第3个隐含层设置为3个节点,激活函数采用Softmax函数。窗口长度与各指标的关系如表2所示,随着窗口长度的增加,各种模式的识别率也随之增加,总识别率分别为96.601%、99.680%、99.739%,这说明引入滑动窗口来改进神经网络确实有效。
图表编号 | XD00105581800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 孙博文、何章鸣、王炯琦 |
绘制单位 | 国防科技大学文理学院、国防科技大学文理学院、中国空间技术研究院北京宇航系统工程研究所、国防科技大学文理学院 |
更多格式 | 高清、无水印(增值服务) |