《表2 不同算法最优参数》

  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

《城市物流竞争力分析DAE-WMA优化算法》

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

依据所设置的限定误差，利用三个数据集的训练样本分别对三种算法进行训练，结果如图4至图6以及表2所示。对于glass数据集与wine数据集，各算法的预训练学习速率最优值αopt=0.65，对于seeds数据集αopt=0.60；三种算法中只有WMA具有动量参数，其最优值在三个数据集中均为μopt=0.5。在对三个数据集训练的过程中，对于DAE-ESA的反向调优学习速率最优值βopt为0.80与0.75，DAE-CSA的βopt为0.65与0.60，DAE-WMA的βopt为0.70与0.65。在收敛速度方面，相对于glass、seeds与wine三个数据集，DAE-WMA的网络训练最小迭代次数分别为35、32、34，整体优于DAE-ESA的49、43、46与DAE-CSA的47、43、42。