《表1 不同隐含层层数、单元数对训练精度的影响》
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
《深度学习在中厚板轧后超快速冷却系统中的研究与应用》
传统神经网络模型一般都是单隐含层,虽然单隐含层运算速度较快[7],但运算精度不佳.而深度神经网络可分层逐级地挖掘输入数据的特征表示,有效降低了模型所需参数数目,并且增大了模型运算精度.因此,将各组实验的隐含层层数设置为1~7层,神经元数分别设置为50~300个,以10个为公差分别进行实验.选取几个特殊组合作比较,结果如表1所示.
图表编号 | XD0050380400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.15 |
作者 | 张田、张子豪、田勇、王昭东 |
绘制单位 | 东北大学轧制技术及连轧自动化国家重点实验室、东北大学轧制技术及连轧自动化国家重点实验室、东北大学轧制技术及连轧自动化国家重点实验室、东北大学轧制技术及连轧自动化国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |