《表1 BP神经网络不同优化算法参数实验结果对比》

  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

《水稻叶片几何参数无损测量方法研究》

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

(1）本试验BP算法结构为3层网络标准结构，输入节点数为2（叶长，叶宽），输出节点数为1（叶面积），迭代次数为100 000次。BP神经网络隐含层节点个数与输入输出单元节点数及问题复杂性有关，若隐含层节点数过少，网络性能太差，隐含层节点数过多会造成训练时间长和出现“过拟合”现象，所以应在综合考虑问题复杂度及误差大小下，用节点删除法和扩张法确定最合适的隐含层节点数[29]。经试验比较后，本试验隐含层节点数为6。隐含层及输出层激活函数均采用relu函数，不同学习率下，采用均方根误差作为评价标准，对Adam、RMSProp、Adadelta、Adagrad和Ftrl等五种学习优化训练函数进行比较分析（表1），可发现采用RMSProp函数，学习率为0.000 1时，不同水稻品种估测结果均达到最佳。