《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》

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

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。