《表5 两个预测模型的均方根误差》

  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

《基于自编码器和LSTM的模型降阶方法》

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

分别记PCA、多层自编码器对应的预测网络为P-LSTM和M-LSTM。表5给出了两个预测模型在测试集上均方根误差的平均值。总体上，M-LSTM的误差大于P-LSTM，这是因为未对编码器提取的特征进行标准化，数值范围较大。而随着特征维度的增加，P-LSTM的预测误差不断增加，是因为P-LSTM的输入向量为稠密向量，需要建模的关系愈加复杂而预测网络的结构没有改变；同时，M-LSTM的误差更为稳定，甚至有一定程度的降低，是因为在编码器的输出层使用了Relu函数，特征表示是一个稀疏向量，特征维度的增长在为预测模型提供更多信息的同时未使数据关系过于复杂化。