《表3 神经元数不同时LSTM网络的测试结果比较》
时间步长表示时间序列中数据之间的关联度。从表1可以看出,当其他参数相同时,随着时间步长的增加,网络的预测精度逐渐提高,但当时间步长增加到一定程度时,网络的预测精度因数据之间的相关性减小而降低。表2显示了网络深度对预测精度的影响。可以看出网络中隐藏层的数量越多,网络性能越好,同时也导致测试时间的增加。当隐藏层数增加到一定程度时,网络的预测性能不会有明显的提高,但测试时间会增加很多。对于表3中神经元数量的测试结果也是如此。综合考虑网络的预测精度和测试时间,火灾监测模型中LSTM神经网络每层的隐藏层数、时间步长和隐藏层神经元数分别设置为3、10和100。依次将数据样本输入网络进行训练和测试。
图表编号 | XD00213178300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.15 |
作者 | 李军、张志东、乔元健、高鹤 |
绘制单位 | 齐鲁工业大学(山东省科学院)电子信息工程学院、齐鲁工业大学(山东省科学院)电子信息工程学院、齐鲁工业大学(山东省科学院)电气工程与自动化学院、山东正晨科技股份有限公司 |
更多格式 | 高清、无水印(增值服务) |