《表3 在不同样本数量下训练时间和正确识别率对比》
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Hilbert边际谱和SAE-DNN的局部放电模式识别方法》
本文在对DNN进行训练前,以SAE初始化网络的权值矩阵W和偏置向量b,同时以自适应步长的学习速率改进SAE和DNN训练过程中全局学习速率固定不变的缺陷,可以有效提高训练过程的收敛速度。设置训练误差阈值er=0.05,即er<0.05可认为训练达到了较高的精度。不同样本规模下,CNN,DNN和本文采用的自适应学习速率的SAE-DNN在训练过程中,训练误差达到er阈值以下所需的训练时间及正确识别率如表3所示。为了避免随机性对试验结果的影响,重复试验过程并以记录结果的平均值作为最终结果。
图表编号 | XD0030116800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 高佳程、朱永利、郑艳艳、张科、刘帅 |
绘制单位 | 新能源电力系统国家重点实验室(华北电力大学)、新能源电力系统国家重点实验室(华北电力大学)、新能源电力系统国家重点实验室(华北电力大学)、新能源电力系统国家重点实验室(华北电力大学)、新能源电力系统国家重点实验室(华北电力大学) |
更多格式 | 高清、无水印(增值服务) |