《表3 iris数据库下ECBONN*和ECBONN的对比》

  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

《增强碰撞体算法优化的自编码神经网络》

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

因为iris数据库的属性数量比较少，所以在iris上也进行了测试，比较二者的稳定性和学习能力，对iris数据各自运行100次后，取accuracy的均值，结果如表3所示.结果为在iris数据库中各自运行100次然后取平均值，参数pro都是取值0.1，η取值10-8，隐藏层神经元个数取20，碰撞体个数取10.μ取值为1迭代次数为400次，碰撞体对自编码权值求参时碰撞体的初始位置范围是[4，-4]，碰撞体softmax求参时碰撞体的初始位置范围时[9，-9]，λ取值10-4.实验结果中发现本文中所采取方法在属性数量较少时能取得更好的效果，并且更稳定.实验中还发现η的取值较大时，100次中的结果波动较大，当η取值较小时波动会更小.