《表1 生成式对抗网络训练过程判别器及生成器损失》

  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GF-LSTM和GAN网络的小样本集人工水体溶解氧浓度预测》

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

GAN的两个输入分别是噪声数据和溶解氧浓度数据，将输入样本的大小设置为2×2，噪声数据服从正态分布。分别将不同推流电压下获得的溶解氧浓度数据分成4个样本集，使用GAN网络分别训练4个样本集分别得到1 470条数据，最后汇总为样本容量为6 720的溶解氧浓度数据集。GAN网络的核心为生成器和判别器，训练效果的好坏在于两者之间的依赖及对抗关系。较好的情况是训练过程中两者的损失不断的变化，维持在动态平衡的状态。训练过程的损失见表1。