《表1 五种神经网络参数设置》
1)针对RQ1的实验:在本次实验中,为了确定哪种模型对结构化数据最友好,共设计了5种神经网络模型分别进行实验,包括:卷积神经网络(Convolutional Neural Networks,CNN)、长短期记忆网络(Long Short-Term Memory,LSTM)、双向长短期记忆网络(Bi-Direction Long Short-Term Memory,BLSTM)、门控循环神经网络(Gated Recurrent Unit,GRU)和双向门控循环神经网络(Bi-Direction Gated Recurrent Unit,BGRU)。表1给出了5种模型得到最优结果时所设置的参数值。其中,Layers表示对应神经网络的层数;Dropout是指在训练过程中,为避免出现过拟合,按照一定的概率将部分神经网络单元从网络中丢弃,如0.2代表丢弃20%的神经网络单元;Batchsize表示一次训练所选取的样本数,不同的取值对模型的优化程度和训练速度有不同的影响;Units指的是神经网络中隐藏层的神经元个数,神经元个数不同对模型训练也有一定影响;VectorDim和MaxLen针对的是样本数据的数据格式而设置的参数,VectorDim表示样本的向量维度,MaxLen表示向量的长度。参数的取值是由将样本转为向量的Word2Vec模型决定的。根据Word2Vec模型的训练结果,这两个参数值为固定值40和500,即实验的样本数据都是40维,长度为500的向量。
图表编号 | XD00156798300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 陈肇炫、邹德清、李珍、金海 |
绘制单位 | 大数据技术与系统国家工程研究中心服务计算技术与系统教育部重点实验室集群与网格计算湖北省重点实验室大数据安全湖北省工程研究中心、华中科技大学计算机科学与技术学院、大数据技术与系统国家工程研究中心服务计算技术与系统教育部重点实验室集群与网格计算湖北省重点实验室大数据安全湖北省工程研究中心、华中科技大学网络空间安全学院、深圳华中科技大学研究院、大数据技术与系统国家工程研究中心服务计算技术与系统教育部重点实验室集群与网格计算湖北省重点实验室大数据安全湖北省工程研究中心、华中科技大学网络空间安全学院、大数据技术与系 |
更多格式 | 高清、无水印(增值服务) |