《表4 不同全连接层数对结果的影响》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《3D卷积神经网络的结构优化及中枢神经系统药物的识别》
为了进一步探索其他超参数对结果的影响,在上述两个最佳参数组合基础上,默认每个全连接层固定1 024个神经元,统计全连接层数为1,2,3时的结果,如表4所示。在两个卷积层后连接两个全连接层时,CNS药物和non-CNS药物预测率均为81%以上,ACC,MCC,AUC分别为82.7%,0.656,0.852,然而3个卷积层并没有达到这样的效果。全连接层将卷积部分输出的特征信息与各自标签进行映射,在只有一个全连接时,2Conv(7/1/4/64)+1FC与3Conv(5/3/2/64)+1FC的结果非常接近,在添加了两个全连接层后,3Conv(5/3/2/64)+2FC对药物信息提取的误差被放大,而2Conv(7/1/4/64)+2FC仍然很健壮,这是由于较大的卷积核与较小的卷积步长搭配时,使得更多的信息被抽象到不同层面,下采样层则保留了更多重要的信息。
图表编号 | XD00125600100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 张瑞林、丁彦蕊 |
绘制单位 | 江南大学理学院、江南大学江苏省媒体设计与软件技术重点实验室、江南大学理学院、江南大学工业生物技术教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |