《表1 BP神经网络不同优化算法参数实验结果对比》
(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。
图表编号 | XD00163734200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.20 |
作者 | 杨红云、路艳、孙爱珍、杨乐 |
绘制单位 | 江西农业大学软件学院、江西农业大学计算机与信息工程学院、江西农业大学计算机与信息工程学院、江西农业大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |