《表4 不同网络深度下信息熵以及误差》

  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

《基于深度置信网络的行星齿轮箱振动特征提取》

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

使用前述轴承振动数据集作为训练集，设置隐含层节点为1 200个，迭代次数为200次，每次更新权值以及偏置值之后计算信息熵。通过表4可以看出，随着层数增加，信息熵也在增大。在层数到达第4层时，信息熵达到最大，在第5层时虽然训练误差更小，然而信息熵有所减小。网络层数越高，训练成本也越高，因此选择DBN网络的最佳深度为4层。