《表2 卷积核优化前后网络分类准确率对比》
提示：宽带有限、当前游客访问压缩模式
为了验证优化后卷积核的有效性，将优化卷积核应用到卷积神经网络中，并与原始卷积神经网络分类结果进行对比，对比结果如表2所示．
| 图表编号 | XD00123875900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.01 |
| 作者 | 王竹筠、杨理践、高松巍、刘斌 |
| 绘制单位 | 沈阳工业大学信息科学与工程学院、沈阳工业大学信息科学与工程学院、沈阳工业大学信息科学与工程学院、沈阳工业大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 不同卷积神经网络验证集的分类准确率》2020.12.31
- 《表3 不同卷积核尺寸CNN分类准确率》2020.01.26
- 《表4 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表3 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表2 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表1 卷积核优化前后权值相似度对比》2020.01.01
- 《表2 不同尺寸卷积核识别准确率对比》2019.12.25
- 《表3 实验准确率对比：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4 卷积核对比组设置：基于卷积神经网络的无人机遥感农作物分类》2019.11.25
- 《表6 分类准确率对比：基于卷积神经网络和集成学习的阿尔茨海默症早期诊断》2019.10.25
- 《表2 原始卷积连接表：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表9 仿真对比结果：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表4 优化方案2：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表4 卷积核大小对分类准确率的影响》2019.07.20
- 《表1 卷积核优化后参数对比》2019.08.08
- 《表2 卷积神经网络与线性分类准确度》2019.08.10
- 《表2 各图核分类准确率：图核结合神经网络的蛋白质分类方法》2019.02.15
- 《表2 预训练准确率：基于卷积神经网络的RGB-D图片分类》2018.12.20
- 《表3 组合准确率：基于卷积神经网络的RGB-D图片分类》2018.12.20
- 《表2 分类准确率比较：基于卷积神经网络的脐橙品质分类研究》2018.11.10