Ubuntu 8.04 9.04 9.10 Flash中文字体乱码问题解决

分析报告2.3. Simulation Neural Network本文实现了两种SNN网络，一种是具有四个隐含层的全连接神经网络（FCNN），一种是具有十个隐含层的全连接神经网络（FCNN），SNN网络的输入通过批量归一化层进行处理，使网络进一步收敛，因此无需再次标准化。输入和输出层包含8个和71个神经元，代表6层厚度、2种材料的类型和离散化的反射光谱。选择均方误差损失函数适应回归任务，选择了Adam优化器加快收敛速度和质量。最后，使用了0.0001的学习率。最后一层输出层使用ReLU激活函数。由于四个隐含层的SNN效果比较差，训练集的绝对平均误差大于验证集，明显就是欠拟合的现象，优化的方法是通过增加层数和节点数来增加模型的复杂性、增加dropout、降低学习率，增加训练数据等。表2总结了不同层、不同节点数、不同dropout产生的一些关键指标层架构。结果发现，层数为四层时，仅通过改变神经元数量，MAE没有明显的改善，层数为十层时，增加神经元个数MAE有明显的改善。Table 2. A sample of trialled SNN model architectures a