深度学习几种典型模型及其在温度推测中的应用

来源 :西安建筑科技大学 | 被引量 : 0次 | 上传用户:wingerwesker
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能技术的革新。近年来,人们提出了深度学习的许多衍生模型。本文主要研究了深度学习的几种典型模型,并将其应用在温度推测中,主要工作如下。分别研究了深度学习的无监督学习和监督学习模型。首先讨论了受限玻尔兹曼机、深度置信网络、深度玻尔兹曼机、自编码器、稀疏自编码器、降噪自编码器等无监督学习模型,并详细探讨了其结构、原理和优缺点。其次研究了以卷积神经网络、循环神经网络和深度堆叠网络为典型代表的监督学习模型,并评价与分析了它们的模型架构、工作原理和优缺点。对比分析了深度学习的几种典型模型,并将神经网络、深度置信网络和卷积神经网络模型应用在手写体数字识别任务中。首先研究了dropout技术和权重衰减策略对神经网络模型的影响。其次讨论了学习率和epoch对深度置信网络模型的影响。最后探讨了学习率和epoch对卷积神经网络模型的影响。实验结果表明这两种深度学习模型比传统的神经网络具有更好的逼近性能。将神经网络、深度置信网络、堆叠降噪自编码器和卷积神经网络模型分别应用到温度推测中。首先,构建了以温度为研究对象的神经网络模型,讨论了隐层神经元个数、隐层层数、dropout技术和权重衰减策略对神经网络模型性能的影响。在最佳隐层和隐层神经元个数下,采用dropout技术时,神经网络模型对温度的推测性能更优。其次,分别建立了深度置信网络和堆叠降噪自编码器模型,讨论了隐层层数和隐层神经元个数对实验结果的影响。然后,针对多台站的温度数据集,建立了卷积神经网络模型,实验结果表明该模型具有更好的推测性能。最后比较了上述四种模型的推测结果,它们均取得了较好的推测性能。
其他文献
电解炼铝法的出现和应用提高了铝制品的产销量。在高层建筑工程建设施工中,铝合金模板正在取代传统模板成为不可或缺的建筑材料,而铝合金模板在建筑市场中的广泛应用使得铝制
根据对延平区粮食生产现状及存在的问题的分析,提出当前延平区发展粮食生产的几点对策和建议。
<正> 肉鸽体型小,繁殖快,与鸡在很多特性上相似,可做为实验动物,它可携带或感染家禽易感的病原体。肉鸽新城疫是由新城疫病毒(NDV)所引起的,主要侵害呼吸道、胃肠道以及中枢
使用GDX-502大孔树脂对水中微量烷基苯类、硝基苯类、卤代苯类进行了同时富集,富集后的水样用两根极性不同的毛细管柱进行气相色谱双定性,外标法定量。本方法对十四种苯系物的总