《表3 不同池化方式的分类性能和损失性能》
提示：宽带有限、当前游客访问压缩模式
在5层卷积层的基础上，分别用最大值池化方式和平均值池化方式搭建网络，以选取最佳的池化方式。实验结果中不同池化方式的分类性能和损失性能如表3所示。
| 图表编号 | XD00119125800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.10 |
| 作者 | 马俊成、赵红东、杨东旭、康晴 |
| 绘制单位 | 河北工业大学电子信息工程学院、河北工业大学电子信息工程学院、河北工业大学电子信息工程学院、河北工业大学电子信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 3种刀圈材料热处理后的力学性能和磨损质量损失率》2020.10.26
- 《表1 不同池化方式的预测精度》2020.12.20
- 《表1 不同池化方式的预测精度》2020.12.20
- 《表4 不同权重的加权交叉熵损失函数和加权采样策略的性能》2020.11.15
- 《表1 模型内容组成：池化和注意力相结合的新闻文本分类方法》2019.11.01
- 《表3 池化性能比较：基于权重池的多尺度图像质量评估方法》2021.02.01
- 《表1 不同损失函数的性能对比》2020.10.25
- 《表3 不同分类器使用不同特征集的损失(Loss，越小越好)和准确率(Acc，越大越好)》2020.06.20
- 《表3 不同损失函数对性能影响》2020.09.16
- 《表1 历史旅游街区内的建筑分类、保护要求、可接受损失程度、性能化消防目标关系表》2020.04.18
- 《表5 不同加工方式、颗粒粒度和水分对肉鸡生长性能的影响》2020.01.20
- 《表2 不同特征选择和降维算法的分类性能对比》2020.04.01
- 《表1 不同养殖方式对母猪和仔猪生产性能的影响》2019.12.15
- 《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 不同卷积层数网络的分类性能和损失性能》2019.12.10
- 《表2 损失函数为MSE的SRRes Net和具有不同损失的SRGAN之间性能的比较》2020.02.20
- 《表3 重叠池化对性能的影响》2019.10.10
- 《表3 基于交叉熵损失和基于强化学习训练模型在MSVD数据集上的性能对比》2019.07.10
- 《表2 S2层不同池化参数的卷积神经网络性能对比》2019.06.16
- 《表1 不同特征组合方式得到的分类器间的性能比较》2019.11.22