基於深度學習的軸承故障識別-優化模型

在深度學習的訓練中，常常會遇到過擬合（overfitting）的問題（低偏差和高方差），模型爲了適應訓練集的數據擬合出了非常複雜的曲線，該曲線對於訓練集的數據識別率極高，但泛化能力差，對於不同於訓練集的測試數據執行起來表現很差，準確率大幅降低。 抑制過擬合有幾種方式：1.獲取更多的樣本，例如數據增強技術；2.丟棄一些特徵以獲得更好地容錯能力，例如Dropout機制；3.保留所有的特徵，但是減少參數

>>阅读原文<<