《表5 模型优化结果：基于深度学习的桥梁健康监测数据有效性分析》

  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

《基于深度学习的桥梁健康监测数据有效性分析》

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

%

但DNN、DBN模型中存在大量参数，且参数初始值随机设定，因此在训练过程中容易陷入局部最优，影响网络模型训练及测试精度。结合人工萤火虫群优化算法(glowworm swarm optimization，GSO[18]，进一步优化DBN。GSO具有较好的解决优化问题的能力，将损失函数作为目标函数，采用GSO对RBM的初始参数进行优化，提高模型泛化性及测试精度。实验结果如表5，表中DBN-R表示参数随机初始化，DBN-GSO表示使用萤火虫算法优化初始参数。实验证明使用GSO算法进行模型参数初始化可以提高模型预测精度。