《表3 各个对比模型在测试集上的综合评估结果》
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
《联合卷积与长短记忆神经网络的桥梁结构损伤识别研究》
如图9和图10所示,由于CNN-LSTM联合模型不仅抽取多个加速度传感器拓扑相关性关系,而且在时间维度上进行长短期依赖特征抽取,相较于单一的DNN和LSTM模型能更快收敛。从验证集结果分析表明,CNN-LSTM用于结构损伤识别在准确率、收敛速度上,相比CNN模型其优势并不明显,但是CNN-LSTM具有更低的损失率,模型的拟合效果更好。从测试集结果分析表明,CNN-LSTM具有较好的召回率、F值和准确率。各对比模型在测试集的综合评估统计情况如表3所示,各个工况的具体评估结果如表4所示。
图表编号 | XD00145201400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 杨建喜、张利凯、李韧、何盈盈、蒋仕新、邹俊志 |
绘制单位 | 重庆交通大学信息科学与工程学院、重庆交通大学土木工程学院、重庆交通大学信息科学与工程学院、重庆交通大学信息科学与工程学院、重庆交通大学信息科学与工程学院、重庆交通大学土木工程学院 |
更多格式 | 高清、无水印(增值服务) |