《表6 不同梯度下降优化算法对LCNN模型精度的影响》

  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

《基于改进深度卷积神经网络的网络流量分类方法》

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

Adam利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率，进行自适应学习.它将原始梯度做一个指数加权平均，在归一化处理后进行梯度值的更新.因此在偏置校正后，参数比较平稳且每一次迭代学习率都有个确定范围.它基本上就是将Momentum和RMSprop的结合，据此猜测使用此方法进行优化会得到较好的效果.为了证明我们的假设，本小节对比分析了不同的优化算法，由表6可知，在学习率相同的情况下（learning rate=0.001），使用梯度优化算法Adam的模型分类性能最佳.