逢甲學報, Bände 33-36逢甲大學, 1998 |
Im Buch
Ergebnisse 1-3 von 46
Seite 39
... 學習速率、慣性因子、學習效率係數值,以使模式達到收斂快預測準的目的。本文以烏溪流域之水文測站為實例演算,進行流量預測之比較,發現進行學習演算時,學習之精度不需要求太高,學習效率係數到達 0.92 ,即可得到較佳之預測結果,學習精度要求過高,反而會 ...
... 學習速率、慣性因子、學習效率係數值,以使模式達到收斂快預測準的目的。本文以烏溪流域之水文測站為實例演算,進行流量預測之比較,發現進行學習演算時,學習之精度不需要求太高,學習效率係數到達 0.92 ,即可得到較佳之預測結果,學習精度要求過高,反而會 ...
Seite 40
... 學習與回想的功能,故可進行定率預測。在各方面應用的結果,一般建議使用學習速率為 0.1 到 1.0 之間,為能改善學習速度或修正學習精度常加入慣性項( Momentum Term ) ,其可減緩或避免收斂過程中之震盪現象並加速收斂速度,一般慣性因子採用 0 到 1.0 之間 ...
... 學習與回想的功能,故可進行定率預測。在各方面應用的結果,一般建議使用學習速率為 0.1 到 1.0 之間,為能改善學習速度或修正學習精度常加入慣性項( Momentum Term ) ,其可減緩或避免收斂過程中之震盪現象並加速收斂速度,一般慣性因子採用 0 到 1.0 之間 ...
Seite 56
... 學習過程中,學習之效率係數只需達到 0.92 左右,即可得到較好的預測結果;過高之學習效率係數,將強迫網路學習去完全吻合學習範例之變異,雖可得到較好學習結果,但或將導致發散,或造成過度學習或適應過度( overfitting ) ,反使預測之應用效果不佳。( 2 )在 ...
... 學習過程中,學習之效率係數只需達到 0.92 左右,即可得到較好的預測結果;過高之學習效率係數,將強迫網路學習去完全吻合學習範例之變異,雖可得到較好學習結果,但或將導致發散,或造成過度學習或適應過度( overfitting ) ,反使預測之應用效果不佳。( 2 )在 ...