《表1 深度学习模型测试结果》
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
《BM-MSCs的CNN特征映射与活性评价模型研究》
采用随机梯度下降算法,初始学习率为0.001,损失函数选择二分类交叉熵函数.对最大截面重采样像素尺度进行定量测试,结果如表1所示,像素尺度过大,如128像素×128像素,会导致网络参数过多,训练时间较长,而准确率受限于样本数量反而不高.综合考虑后,本文最终选择样本为32像素×32像素,经过8折交叉验证训练,得到平均准确率为98.75%,标准差为0.34%.高准确率和较低标准差表明模型具有较好稳定性.
图表编号 | XD00138591500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.15 |
作者 | 曹玉珍、张乾昆、孙敬来、张力新、余辉、庞天翔 |
绘制单位 | 天津大学生物医学检测技术与仪器天津市重点实验室、天津大学生物医学检测技术与仪器天津市重点实验室、天津大学生物医学检测技术与仪器天津市重点实验室、天津大学生物医学检测技术与仪器天津市重点实验室、天津大学生物医学检测技术与仪器天津市重点实验室、中国医学科学院北京协和医学院血液病与血液病研究所国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |