《表6 BP神经网络对15个欧洲国家铁路修建风险的训练结果》
适应学习速率算法) ,即不加入动量,只加入自适应学习速率,其原理见上一节;欧洲的专家风险评估如表5所示;随机选取其中15个国家作为训练集,训练函数使用trainda,调整训练参数直到满足训练集的误差要求,其中参数选取设置如下:最大循环次数(epochs)欧洲的情况较亚洲来说,各个国家各种因素之间差距没有太大,且局势相对稳定,经济较为发达,而traindx适合较为复杂且数据较多的网络,对于较小的模型使用可能还会造成误差变大,故选取trainda(自5 000次,训练精度 (goal)0.001,学习速率(lr)取0.25,学习率增长比(lr_inc)取1.05,学习率减少比(lr_dec)取0.8,性能最大增量(max_perf_inc)取0.95,其余取缺省值,训练结果如表6所示。
图表编号 | XD0042508900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.01 |
作者 | 金晶、李宗昊、朱亮、童心豪、杨长卫 |
绘制单位 | 中国铁道科学研究院、西南交通大学、中国铁路总公司、西南交通大学、西南交通大学 |
更多格式 | 高清、无水印(增值服务) |