《表4 RNN中选定超参数的搜索空间》
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。
图表编号 | XD00223132600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 何伟民、孙一迪、姜捷、金良勇、毛和云 |
绘制单位 | 国网浙江江山市供电有限公司、国网浙江江山市供电有限公司、国网浙江江山市供电有限公司、国网浙江江山市供电有限公司、国网浙江江山市供电有限公司 |
更多格式 | 高清、无水印(增值服务) |