《表4 实验结果:结合深度学习的工业大数据应用研究》
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。
图表编号 | XD0016114100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.09.15 |
作者 | 李广、杨欣 |
绘制单位 | 电子科技大学大数据研究中心、成都数之联科技有限公司 |
更多格式 | 高清、无水印(增值服务) |