《表1 LSTM粮堆温度预测模型参数选择》
提示：宽带有限、当前游客访问压缩模式
(4）模型训练：根据选定的超参数类型，通过控制变量法对模型进行训练，以平均绝对值误差MAE和均方误差MSE作为指标确定模型最佳参数，实验最终确定具体的超参数见表1。
| 图表编号 | XD00121009500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.30 |
| 作者 | 赵岩、周俊冬、任双双 |
| 绘制单位 | 中国矿业大学(北京)机电与信息工程学院、中国矿业大学(北京)机电与信息工程学院、中国矿业大学(北京)机电与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 特征选择过程：基于特征选择的RF-LSTM模型成分股价格趋势预测》2021.01.10
- 《表2 混淆矩阵：基于特征选择的RF-LSTM模型成分股价格趋势预测》2021.01.10
- 《表3 深度LSTM神经网络不同模型参数预测效果》2020.12.01
- 《表2模型各层具体参数：基于LSTM深度学习的大豆期货价格预测》2021.02.15
- 《表1 烟气计算参数：计及电价和Attention机制的LSTM短期负荷预测模型》2020.11.30
- 《表1 模型参数分析：基于LSTM网络的车辆轨迹预测研究》2020.11.30
- 《表1 超参数选取：基于多变量LSTM的GPS坐标时间序列预测模型》2021.03.20
- 《表3 模型各层参数：集成PCA和LSTM神经网络的浸润线预测方法》2020.03.01
- 《表3 基于MI-LSTM神经网络的预测模型参数表》2020.05.30
- 《表1 结果参数：预测经济和金融时间序列：ARIMA与LSTM模型的比较》2020.02.15
- 《表3 LSTM预测模型参数设置》2020.03.28
- 《表2 部分粮情数据：基于深度学习算法的粮堆温度预测研究》2019.11.30
- 《表2 关键参数列表：基于LSTM-RNN的配电变压器负荷预测模型研究》2020.01.15
- 《表1 模型输入参数：基于LSTM-RNN的配电变压器负荷预测模型研究》2020.01.15
- 《表1 预测结果对照：基于随机森林算法的粮堆机械通风温度预测及控制研究》2019.10.20
- 《表1 模型参数的数值：基于长短时记忆网络(LSTM)的上证指数预测》2019.09.30
- 《表1 模型主要参数：基于Wavelet-LSTM模型的北京空气污染物浓度预测》2019.08.01
- 《表2 模型的关键参数：基于LSTM-RNN的海水表面温度模型研究》2019.05.15
- 《表1 模型输入参数：基于LSTM-RNN的海水表面温度模型研究》2019.05.15
- 《表1 LSTM模型的前五组最优参数组合以及预测精度》2019.09.20