《表4 RNN中选定超参数的搜索空间》

  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RNN的低压变压器区域日线损率基准测试》

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

考虑到训练样本数量较多的特点，本文建立了k近邻（KNN）、决策树回归（DTR）和单隐层人工神经网络（ANN）进行比较，在大数据集上具有较高的训练效率。在NVIDIA GTX 1080GPU的计算机上，采用Python 3.5和Tensorflow 1.4对深度RNN模型进行训练。RNN的所有超参数和训练配置以及超参数（即σ、δ和λ）通过基于整体训练数据集的三重交叉验证的网络搜索进行选择。参数的搜索空间和最终结果，如表4所示。