《表1 Softmax输出及交叉熵损失示例》
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
《基于加权综合损失优化深度学习和DGA的变压器故障诊断方法》
由式(4)可知,对于训练样本(xi,yi),深度学习模型正确判定属于状态yi的概率值越大,交叉熵损失值越低,此时认为效果更优。但该方式并未考虑误判为其他状态的概率的影响。例如,对同一训练样本(xi,2),经两个不同的SSAE深度学习模型(模型1及模型2)后,Softmax层输出及交叉熵损失函数值如表1所示(设共有9个状态类别)。
图表编号 | XD00167135300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.20 |
作者 | 王伟、唐庆华、刘力卿、李敏、谢军 |
绘制单位 | 国网天津电力公司电力科学研究院、国网天津电力公司电力科学研究院、国网天津电力公司电力科学研究院、国网保定供电公司、华北电力大学电力工程系 |
更多格式 | 高清、无水印(增值服务) |