《表3 3种深度网络的参数Tab.3 Parameters of three deep networks》

  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

《采用BP算法和深度SAE网络的学生综合能力评价方法》

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

结合文献[15]推荐的参数和大量实验数据，得到较优参数.3种深度网络的参数，如表3所示.实验发现，学习率为0.01，0.03，0.10，0.30时，结果较好；学习率为0.30时，结果最好.通过去除一些梯度下降过程中的噪声和振动，加入动量使网络可更快地突破识别错误率的“停滞期”.迭代次数是决定训练和识别效果的重要参数之一，在一定范围内，训练次数与效果呈正比关系.但过多的训练并不能继续提高识别效果，且每次实验会消耗大量时间.