《表2 F-LSTM模型的损失函数超参数测试》

  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

《基于并行的F-LSTM模型及其在电力通信设备故障预测中的应用》

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

本文采用带权重的损失函数，将对于设备故障的预测重点考虑最近的告警信息。其中F-LSTM模型在每个时间窗口产生的误差信息权重不同，网络在反向梯度更新时，学习的重点由权重决定。在加权的交叉熵损失函数（4）式中，α∈[0，1]。若α=0，则表示每个时间窗口的同等重要；若α=1，则表示模型只关心最后一个时间窗口的损失，而其他时间窗口的误差信息将不会影响网络参数的更新。本文对α进行超参数测试，结果如表2所示，最终α取0.9，表示在设备故障预测时，模型比较关心当前时间窗口的误差信息，同时其他时间窗口可以更新前面层的网络参数。其中全连接部分使用三层网络，每个隐藏层大小分别为512，256，128；时序连接部分中，隐藏状态为256维；时序长度选择100 h。