《表1 深度学习模型的配置》
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Seq2Seq技术的输电线路故障类型识别方法》
由第3节可知,深度学习模型一般包含输入层、隐藏层、输出层。通常为了避免模型训练次数过多后易出现的过拟合现象,往往在网络层中增设Dropout层。Dropout层的作用是减少中间特征的数量,从而减少冗余,即增加每层各个特征之间的正交性[21]。通过大量实验,本文设计的用于输电线路故障类型识别的最佳深度学习网络的结构参数情况如表1所示。
图表编号 | XD00174301400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.20 |
作者 | 饶超平、肖博文、严星、廖方帆、王琦婷 |
绘制单位 | 武汉晴川学院、国网荆门供电公司、国网荆门供电公司、国网荆门供电公司、三峡大学电气与新能源学院 |
更多格式 | 高清、无水印(增值服务) |