专业的矿山监理公司浅析产流产沙预测模型选取
矿山甲级监理公司 2024-04-23 11:33:43
网络在一个较好的学习训练组中，系统误差的训练将随着迭代次数增加而减少，最终收敛到一组稳定的权。进一步的学习，权值将仅仅出现一个极小的波动，这正是试验者所希望的。问
专业的矿山工程监理公司浅析产流产沙预测模型选取
网络在一个较好的学习训练组中，系统误差的训练将随着迭代次数增加而减少，最终收敛到一组稳定的权。进一步的学习，权值将仅仅出现一个极小的波动，这正是试验者所希望的。问题的关键在于如何选择一个合适的训练组，为考虑问题方便，先假设网络其它参数保持不变。
训练组的选择包括对训练组的规模、训练组内模式的分布状况等几方面的确定。训练组的规模就是模式组中选取的模式总数及代表各类模式的数量。模式组不易选取太大，否则会使网络单纯记忆输入系列，从而失去宝贵的事件。各类模式的多少和它们的分布情况对训练结果都有比较大的影响，既然网络是仿真人脑的，就具有了人脑思维的一般规律，一类从来没有见过的事件，网络是无法识别的，这就要求训练组中尽量包括有代表各类特征的模式，不能没有其中的任何一种。
解决问题的最好办法是从训练组中去掉一些事例作为检验组，网络在减少后的训练组上训练，在保留的例子上测试。应当避免过多的训练，因为这会降低网络的泛化能力，所以训练网络的过程应在有限的阶段进行，然后在检验组上测试结果。继续训练和检验的循环，以达到最佳的训练水平，停止的标识是结果总在检验组上而不是在训练组上。这个过程应在不同的训练组和检验组构成上反复进行。在上述过程中，可以看到随着时间的增加，效果有所提高，可达到顶端水平，当达到顶端时网络开始过度训练，测试效果有所下降，在这个最优过程中会出现几个自由度，包括学习率、动态参数、隐单元数、层数和训练模式组的构成。
矿山工程监理方法的实质是通过对有限的训练组中特殊模式进行学习来掌握普遍规律，以达到认识大自然无限多的模式，这些模式应具有比较典型的能说明事件共性的特征。另外在训练过程中特别要考虑降雨→产流→产沙的时间滞后影响。
甲级监理公司为您分享更多新闻，想要了解更多关于矿山工程监理的咨询，欢迎登录建基监理（http://www.hnccpm.net），河南建基愿与您一起探讨监理行业的最新动态，共创监理行业辉煌！
扫一扫关注河南建基工程管理有限公司的官网微信!
