《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》
%
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。
图表编号 | XD00190758300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 梁宗保、柴洁、纳守勇、马天立、唐玉 |
绘制单位 | 重庆交通大学信息科学与工程学院、重庆交通大学信息科学与工程学院、重庆忠万高速公路有限公司、重庆交通大学信息科学与工程学院、重庆交通大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |