《表2 CNN和T-CNN训练参数》
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
《基于深度-迁移学习的输电线路故障选相模型及其可迁移性研究》
本节研究分别利用CNN、T-CNN时识别率随迭代次数的变化情况。除迁移训练步骤外,T-CNN与CNN的训练条件保持一致,具体训练参数如表2所示,识别率测试结果如图6所示。可以看出,单独利用少量目标域数据训练的CNN模型识别率随着迭代次数的增长而增大,迭代20次时可以达到90%以上;而基于预训练模型进行微调训练后,T-CNN模型的识别率在迭代3次后便达到90%以上,且随着迭代次数的增长,识别率维持在99%以上。由此也可以看出在数据量较少时深度迁移学习相对于单独的深度学习具有较大优势。
图表编号 | XD00220076500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.10 |
作者 | 杨毅、范栋琛、殷浩然、韩佶、苗世洪 |
绘制单位 | 国网江苏省电力有限公司电力科学院研究院、国网江苏省电力有限公司电力科学院研究院、华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室、电力安全与高效湖北省重点实验室、华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室、电力安全与高效湖北省重点实验室、华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室、电力安全与高效湖北省重点实验室 |
更多格式 | 高清、无水印(增值服务) |