《表1 神经网络对应层数参数设置》
本文实验使用的是Keras神经网络框架,首先调用python库把数据集B按9:1的比例划分为训练集和测试集,把train_test_split函数中的random_state参数设为0,保证每次训练和测试的数据一样,然后把标签转换为对应的one-hot向量,在实验时把batch size设为12,训练轮数设为200,权重更新使用的是Adam优化器,损失函数使用的是交叉熵损失函数,然后进行参数设置,网络超参具体设置如表1所示,基于划分相同的数据进行训练以及测试,通过调整参数,记录LSTM、CNN,以及CNN与LSTM组合的网络不同层数最优结果。
图表编号 | XD009093900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 于乾坤、党鑫、陈建霏 |
绘制单位 | 天津工业大学计算机科学与技术学院、天津工业大学计算机科学与技术学院、天津工业大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |