《表1 几种训练函数性能》
训练过程是神经网络求解的核心步骤,激活函数和训练函数指定了该过程的数学逻辑,其组合设置以及与输入矩阵的匹配性会对最终网络精度起关键影响。采用S形非线性激活函数调试结果会出现值域边界附近无法有效回归的麻痹现象,原因在于样本矩阵的病态程度较高,因此针对当前响应谱样本隐藏层和输出层激活函数都选用线性会有更好回归效果。Matlab神经网络工具箱提供了多种基于最优化理论的成熟训练函数以供选择调试,比较试验其中几种常用的训练函数处理当前算例的优缺点如表1,因此最终采用共轭梯度算法trainscg,该算法使网络具有足够学习精度和推广预测能力,可以快速稳定获得收敛结果。
图表编号 | XD0024852500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.20 |
作者 | 李国栋、朱亚胜、陈法国、韩毅、杨明明 |
绘制单位 | 中国辐射防护研究院、中国核电工程有限公司郑州分公司、中国辐射防护研究院、中国辐射防护研究院、中国辐射防护研究院 |
更多格式 | 高清、无水印(增值服务) |