《表1 使用SGD的DNN部分预测结果对比》

  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

《基于深度学习的传感器优化布置方法》

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

在TensorFlow框架中，提供了几个优化方法供选择，可以直接使用一行代码进行调用。以1 520组数据为输入，设置学习率为0.001，迭代次数为1 600，图4为采用随机梯度下降（stochastic gradient descent，简称SGD）优化方法的DNN训练结果。由于本课题中真实值的元素全为整数，故对神经网络输入验证集数据的预测结果取四舍五入为最终预测值，DNN部分预测结果对比如表1所示。