《表4 实验环境：无池化层卷积神经网络的中文分词方法》
提示：宽带有限、当前游客访问压缩模式
实验采用带有GPU的云服务器运行本文的实验代码，具体的实验环境如表4。
| 图表编号 | XD00119680600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.15 |
| 作者 | 涂文博、袁贞明、俞凯 |
| 绘制单位 | 杭州师范大学信息工程学院、移动健康管理系统教育部工程研究中心、杭州师范大学信息工程学院、移动健康管理系统教育部工程研究中心、杭州师范大学信息工程学院、移动健康管理系统教育部工程研究中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 CNN卷积层与池化层参数设置》2020.12.10
- 《表1 网络A、网络B卷积层和池化层详细参数》2020.10.10
- 《表1 实验环境：基于频域注意力时空卷积网络的步态识别方法》2020.06.10
- 《表6 有无最大池化层的分类精度》2020.08.25
- 《表1 C-3D可变形卷积神经网络模型中卷积层与池化层的具体参数设置》2020.02.25
- 《表2 各类字位标注集：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表3 数据集统计信息：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表5 神经网络超参数：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表1 字位标注示例：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表2 实验环境：结合Bert字向量和卷积神经网络的新闻文本分类方法》2020.01.01
- 《表5 疲劳检测实验结果：基于多尺度池化卷积神经网络的疲劳检测方法研究》2019.11.01
- 《表4 实验对比结果：电商领域中有关物流评价中文分词的研究》2019.11.20
- 《表4 与其他模型对比：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表4 与其他模型对比：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表5 参数设置：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《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2 分词结果示例：基于深度神经网络模型的中文分词方案》2019.09.05
- 《表4 实验环境参数：基于BiLSTM-CRF的中文层级地址分词》2019.08.25
- 《表1 AlexNet模型卷积层和池化层参数》2019.05.01
- 《表3 数据集对比实验：基于深度时空特征卷积-池化的视频人群计数方法》2018.06.20