《表2:L1+近端梯度下降算法与L2+梯度下降算法分类错误率》
提示：宽带有限、当前游客访问压缩模式
在不同数据集上，采用L1+PG和L2+GD的模型进行神经网络训练，可以看到L1+PG模型的分类错误率均低于L2+GD模型，通过损失曲线的对比，可以看出L1+PG比L2+GD模型的训练更加快速达到收敛.
| 图表编号 | XD00111679200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.15 |
| 作者 | 储敏 |
| 绘制单位 | 武汉大学数学与统计学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 鸢尾花数据集：神经网络梯度下降与粒子群组合的训练算法》2020.07.30
- 《表6 不同梯度下降优化算法对LCNN模型精度的影响》2021.01.20
- 《表1 梯度下降算法与粒子群算法求解结果对比》2020.11.25
- 《表1 随机梯度下降算法公式参数的含义》2021.01.01
- 《表1 算法对比结果：批量减数更新方差缩减梯度下降算法BSUG》2020.11.15
- 《表3 平均收敛结果表：基于小批量梯度下降的布谷鸟搜索算法》2020.10.01
- 《表4 算法对比结果：基于小批量梯度下降的布谷鸟搜索算法》2020.10.01
- 《表1 梯度下降算法定位结果》2019.11.20
- 《表1:近端梯度算法：稀疏正则非凸优化问题之全局收敛分析》2019.11.15
- 《表8 随机梯度下降训练结果》2019.09.20
- 《表3 梯度下降攻击对改进前后KNN分类模型的影响》2019.08.01
- 《表1 症状分布图：基于共轭梯度下降算法的BP神经网络的中医糖尿病诊断模型研究》2019.08.01
- 《表2 基于梯度下降算法的BP神经网络对2018年1～4月全国卷烟销量预测表》2019.06.30
- 《表3 加速近端梯度算法》2019.07.01
- 《表1 随机梯度下降算法解得最优参数》2019.06.15
- 《表2 实验2测量结果：基于压缩感知耦合梯度下降的红外-可见光图像自适应融合算法》2019.01.01
- 《表1 实验1测量结果：基于压缩感知耦合梯度下降的红外-可见光图像自适应融合算法》2019.01.01
- 《表3 源定位：一种特殊的下降算法——分裂梯度法》2019.12.01
- 《表2 稳健估计：一种特殊的下降算法——分裂梯度法》2019.12.01
- 《表1 香蕉函数：一种特殊的下降算法——分裂梯度法》2019.12.01