《表1 五层团簇参数传播信息表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于团簇随机连接的CliqueNet航班延误预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

与通道维度互补的空间维度的特征重标定可以更有效地“关注”到局部维度的数据。网络前向结构设计中，将输入特征U经过两层卷积神经网络得到空间标定因子β∈R1×H×W，第一层卷积产生每层的特征图随后与第二层1*1卷积神经网络相连接（参数为W S2，bS2）。然后使用Sigmoid函数σ（?）对第一层网络产生的特征图元素映射到区间[0，1]中，得到空间标定因子β，如式（5）所示。最后与输入特征U作乘积运算，其中，fS（?）表示将特征图空间位置上的元素与对应的空间标定因子β相乘，如式（6）所示。输入特征经过双重标定后，经过卷积层得到最终输出特征UO=[u1，u2，…，u C']，如式（7）所示。