《表2 不同算法的训练时间对比》

  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

《批量正则化DBN分类方法研究》

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

/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。