《表4 实验结果：结合深度学习的工业大数据应用研究》

  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

《结合深度学习的工业大数据应用研究》

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

受计算资源和数据的限制，5层神经网络参数（神经元权重参数接近5亿）已经具备拟合训练数据的能力，实际上也正是如此，本文设计的网络在训练集上已经达到了过拟合，具有足够小的偏差，此时更需要做的是使用一些正则化方法来减少网络的方差。本文在网络的1、2、3层的卷积层后添加了批标准化层以减小过拟合，并认为小卷积核能够提取更细致的特征，Adam方法可以帮助网络更快速、安全地到达网络最优点。本文共有404个数据样本，52 080 000个数据点，在每次网络的输入批次中，随机抽取了正常加工数据和刀具断刀数据，并且比例为1:1。最后，通过对网络的训练和测试得出的实验结果见表4。