《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》

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

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.