《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》
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.
图表编号 | XD0027440100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.09.20 |
作者 | 张永梅、付昊天、张睿 |
绘制单位 | 北方工业大学计算机学院、北方工业大学计算机学院、太原科技大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |