《表2 不同算法的训练时间对比》
/min
表2给出了BNDBN、Dropout-DBN、DBN、BP、SVM和KNN算法在MNIST和USPS数据集上的训练时间对比。从表中可以看出,由于使用深度神经网络的深层结构,计算复杂度比较大,所以相较于传统分类算法SVM和KNN,训练时间较长,但分类准确率较高;BNDBN算法相对于DBN和Dropout-DBN算法,训练时间都是最少,而且在较少时间内比Dropout-DBN和DBN算法的最好分类准确率分别提高了1.5%和2%左右,说明本文算法BNDBN在训练时间上仍有进一步的提升,加快了训练的收敛速度,具有较优的分类性能。
图表编号 | XD0067684000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 李蓓蓓、宋威、戴鑫 |
绘制单位 | 江南大学物联网工程学院、江南大学物联网工程学院、江南大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |