《表1 神经网络参数表：基于原型网络的小样本图像识别方法》
提示：宽带有限、当前游客访问压缩模式
所定义的网络的配置参数见表1。其中“Conv”前缀表示卷积层，“Pool”表示池化层，“Full”则表示全连接层。
| 图表编号 | XD00134289400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 樊笛、巨志勇 |
| 绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 数据参数：基于深层残差网络和三元组损失的雷达信号识别方法》2020.11.01
- 《表3 参数设置：基于深层残差网络和三元组损失的雷达信号识别方法》2020.11.01
- 《表1 网络模型参数：基于深度学习的加密网络流量识别方法研究》2021.01.10
- 《表2 原型系统实验环境：基于熵的供应链伙伴RBF神经网络选择方法》2019.11.25
- 《表1 工艺参数水平表：基于复杂网络的区域水上交通关键船舶识别方法》2020.10.28
- 《表1 步进电实际参数：基于融合特征的网络不良视频识别方法研究》2020.11.01
- 《表5 仿真实验参数：基于Ad hoc网络的联合有效用户识别与信道安全编译码方法》2021.02.01
- 《表2 LSTM网络参数：基于GF-LSTM和GAN网络的小样本集人工水体溶解氧浓度预测》2021.02.25
- 《表1 4种超参数数值：基于PID和深度卷积神经网络的辐射源识别方法》2020.07.01
- 《表1 各体段参数：基于神经网络的老年易跌倒人群识别方法》2020.06.01
- 《表2 RE-B通道参数：基于残差扩展网络的性别识别方法研究》2020.08.25
- 《表1 RE-A通道参数：基于残差扩展网络的性别识别方法研究》2020.08.25
- 《表1：实验参数：基于卷积神经网络的小样本图像分辨率改进方法》2020.07.15
- 《表2 参数说明：基于卷积神经网络的水表字符识别方法研究》2020.02.01
- 《表1 网络参数：基于深度残差网络的番茄叶片病害识别方法》2019.10.31
- 《表1 网络结构参数：基于深度神经网络的货架商品识别方法》2020.01.10
- 《表1 实验数据信息：一种基于带权A~*搜索算法的正射影像镶嵌线网络优化方法》2019.11.05
- 《表2 神经网络恒定参数：基于差异性神经网络集成的命名实体识别方法》2019.04.16
- 《表1 原子特征：基于深度神经网络的网络安全实体识别方法》2019.01.30
- 《表3 参数设置：基于深度神经网络的网络安全实体识别方法》2019.01.30