《表2 LSTM模型参数表》

  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LSTM方法的敌航空空袭区域预测》

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

分析图2和图3，就本例而言，当学习率为0.1（本例最大）、0.0001（本例最小）或者0.01的时候，图2中的交叉熵函数值收敛性较差，即机器学习能力较差，图3中的正确率曲线震荡比较剧烈，且最终收敛值比较小、正确率比较低；而当学习率为0.001的时候，学习曲线和准确率曲线均表现较好，因此本例学习率选取0.001为最优。当批尺寸从100变为300的时候，一方面，学习曲线的收敛速度和最终准确率的大小差别不是很大；另一方面，批尺寸越大，学习率曲线和准确率曲线越平滑，说明学习稳定性增强，因此本例批尺寸选择300为最优。隐含层节点数对学习曲线和正确率大小及稳定性有一定影响，当隐含层节点数过少（本例最小为5）的时候，模型几乎不收敛，不具备学习能力，随着隐含层节点数增多，学习曲线逐渐收敛，且正确率逐渐提高、震荡性变弱，在数量到达30以后，再提升隐含层节点数量对模型学习能力影响越来越小，但计算量和计算时间却不断增长，因此本例将隐含层节点数设为30。综合分析，将LSTM模型参数设置见表2，用于后续实验验证。