《表2 全连接层神经元数量对精度影响》
提示：宽带有限、当前游客访问压缩模式
模型中除了最后的分类层，只有一层全连接层。保持卷积核大小为3×3固定，激励函数为elu，卷积核数量为10～20，改变全连接层的神经元数量，实验结果见表2。
| 图表编号 | XD00102839900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.01 |
| 作者 | 周官皓、孙海洋 |
| 绘制单位 | 南京大学金陵学院、南京大学金陵学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 CNN全连接层输出结果》2020.10.10
- 《表2 全连接层节点数对模型性能的影响》2020.07.25
- 《表6 不同全连接层数设置对应预测实验结果》2020.11.25
- 《表3 全连接层中不同数目的神经元下的网络识别效果》2020.10.01
- 《表2 全连接层神经元个数改变后的手势识别率对比》2018.02.01
- 《表5 不同全连接层输出维度》2020.07.05
- 《表3 全连接层权重衰减系数对比试验》2020.02.20
- 《表1 不同的全连接层大小的DSC结果》2020.07.10
- 《表2 全连接神经网络和卷积神经网络模型对比》2020.06.30
- 《表2 改变全连接层的时域波形图特征的语音识别率》2020.06.20
- 《表1 改变全连接层的语谱图特征的语音识别率》2020.06.20
- 《表4 不同全连接层运行时间》2020.01.16
- 《表2 神经元数量对模型建立的影响》2020.04.20
- 《表4 不同全连接层数对结果的影响》2020.02.25
- 《表4 全连接层中神经元数量和隐藏层数的分类性能和损失性能》2019.12.10
- 《表2 全连接层参数微调测试及对应识别精度》2019.10.25
- 《表3 RBM与全连接层间特征提取准确性的数据对比》2019.06.20
- 《表2 全连接神经网络与GoogLeNet识别性能对比》2019.06.01
- 《表2 AlexNet和VGG-M提取的不同卷积层特征和全连接层特征汇聚组合的检索结果》2019.07.20
- 《表1 两种全连接层性能对比》2019.08.20