《表3 第1层网络神经元数目对屈服强度模型准确性的影响》

  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

《基于改进堆叠自编码器的带钢力学性能预报模型》

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

本文的力学性能预报深度神经网络模型的第1层网络输入参数共19维，经验公式计算得到初始隐藏层神经元数目为[7，17]，以7个神经元为下限，逐渐增加神经元数目进行训练，结合损失函数cost值进行验证，保证其逐渐减小。其间，其余隐藏层神经元数目采取下限传递的方式计算，即将经验公式计算得到的初始神经元数目范围的下限当作提取出来的特征维数，添加到下一层网络的输入中。第1层网络神经元数目对屈服强度模型准确性的影响结果见表3。当第1层隐藏层神经元数目为12时，RMSE和MAPE最小，模型准确性最好。其他隐藏层的神经元计算也进行类似处理，最终各隐藏层神经元数目分别为[19-12，120-85，85-63，63-45，62-46，47-33]。