《表3 改进自动编码器各层超参数和激活函数Tab.3 Hyper parameters and activation function of layers in proposed improved a
改进自动编码器中的编码器、解码器和分类器可以通过不同的模型实现,在基于土壤近红外光谱的有机质含量等级分类应用中,编码器、解码器、分类器均通过多层前馈神经网络实现。调节神经网络模型层数及各层的属性(如全连接层、卷积层等)可以控制模型容量、特征种类。实验中,编码器、解码器和分类器均采用两个全连接层实现(图3),3个部分各层的神经元数目和激活函数,根据多次尝试后确定。表3为最终实现的改进自动编码器中各层神经网络的神经元数目和激活函数的组合。
图表编号 | XD0017635000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.01 |
作者 | 史杨、王儒敬、汪玉冰 |
绘制单位 | 中国科学院合肥智能机械研究所、中国科学技术大学自动化系、中国科学院合肥智能机械研究所、中国科学技术大学自动化系、中国科学院合肥智能机械研究所 |
更多格式 | 高清、无水印(增值服务) |