《表2 模型不同训练窗口长度误差对比》

  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

《基于长短期记忆生成对抗网络的小麦品质多指标预测模型》

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

经大量实验[13]表明，LSTM网络的结构参数通常可对训练结果产生较大影响，因此本文LSTM-GAN模型将主要分析训练时序窗口长度、隐含层层数和其中神经元个数对于模型训练的效率及准确度所产生的影响。采用相同的LSTM-GAN模型结构参数（隐含层神经元个数为10，隐含层层数为2），来讨论不同的训练时序窗口长度这一变量对多指标数据进行训练及预测的影响，在LSTM-GAN模型中梯度下降采用Adam方法优化学习率，计算训练时序窗口长度为2，4，6和8时各个指标的预测误差数据如表2所示。