當前位置:艾米科技 > 行業新聞 >

監控干擾器對攝像頭的子種群參數

    在訓練了輸入特征之后,使用反向傳播執行微調的操作,以減少攝像頭干擾器原始數據與其重建之間的差異。我們使用softmax函數對對象進行分類。如果滿足以下條件之一,則反向傳播操作將終止:1)達到由均方誤差(MSE)定義的最佳性能,2)達到最大驗證檢查,即6,3)達到最小坡度,或4)監控屏蔽器達到最大歷元數,即200。

    3. DBNN參數的演變,優化是使DBNN方法變得更好的過程。在實現中,目的是優化攝像頭屏蔽器DBNN參數,以提高DL網絡結構的性能和質量。為了優化DBNN參數,我們應用了一種稱為GA的進化算法。在我們的優化過程中,使用了實值并行GA [18],就解決方案的質量而言,該性能優于單個總體GA。使用并行GA,我們優化了隱藏單元的數量,時期的數量和學習率,以減少錯誤率和訓練時間。我們在并行遺傳算法中的主要貢獻是適應度函數的設計和遺傳算法結構中參數的設計。主要目標是找到隱藏單元的最佳數量,時期數和學習率。因此,評估適合度以最小化錯誤率和網絡訓練時間。適應度函數定義如下其中eBBP是錯誤分類的數目除以反向傳播之前的測試數據總數,eABP是錯誤分類的數目除以反向傳播之后的測試數據總數,tBBP是反向傳播之前的訓練時間,tDBP是反向傳播操作期間的訓練時間。表1列出了GA功能和參數。嘗試了監控干擾器多種突變率,發現以下突變率是最佳的。
 
    實際值并行GA已與變異,選擇和交叉操作結合使用。與二值GA相比,實際值GA表現更好。 GA的人口規模為100。每個子種群的最佳目標值如圖3所示。可以看出,第24代的最佳目標值為6.54599,用紅色表示。通過進化得到的每個個體的適應度值如圖4所示。此外,圖4顯示了進化過程中每個監控干擾器子種群的個體數量如何變化。在初始代中,適應度值從11.5開始。最差的產品被從不太成功的數據群中剔除。經過七代,從個人指數的50到70,個體的收斂性更好。在第24代優化的最后,收斂將是最成功的。
女性生殖真人裸露图片一视频