《表1 结果对比：基于深度迁移学习的家用电器识别研究》
提示：宽带有限、当前游客访问压缩模式
采用标准Alex Net网络和Alex Net＿9网络训练未筛选的电器V-I图数据集，迭代5 000次，采用迁移学习时，迭代1 000次，结果对比如表1所示。
| 图表编号 | XD00146301600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.20 |
| 作者 | 陈红、余志斌 |
| 绘制单位 | 西南交通大学电气工程学院、西南交通大学电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 模型训练结果：基于深度迁移学习的微博图像隐私分类研究》2020.10.25
- 《表3 模型性能对比表：基于深度学习的竞争情报命名实体识别研究》2020.09.15
- 《表1 图片识别结果：基于机器视觉深度学习的电站渗水检测识别技术研究》2020.10.20
- 《表1 迁移网络结构信息：基于深度学习的黑钨矿图像识别选矿方法》2020.05.01
- 《表2 SARSIM数据：基于仿真SAR图像深度迁移学习的自动目标识别》2020.07.15
- 《表1 MSTAR数据：基于仿真SAR图像深度迁移学习的自动目标识别》2020.07.15
- 《表3 识别结果对比：基于迁移学习与残差网络的矿工不安全行为识别》2020.03.01
- 《表2 模型对比结果：基于迁移学习与残差网络的矿工不安全行为识别》2020.03.01
- 《表4 识别率统计结果：基于深度学习的人脸识别算法研究》2020.05.01
- 《表1 分类识别实验结果：基于深度学习的鱼类识别与检测的算法研究》2020.08.10
- 《表2 识别结果对比：基于深度迁移学习的家用电器识别研究》2020.06.20
- 《表2 对比实验结果：基于深度迁移学习的业务流程实例剩余执行时间预测方法》2020.03.25
- 《表6 综合实验结果对比：肝癌患者在线提问的命名实体识别研究:一种基于迁移学习的方法》2019.12.25
- 《表1 模型训练结果：基于深度学习的电器目标检测》2020.01.01
- 《表3 经深度迁移学习后的入侵事件识别结果》2019.08.01
- 《表1 手势识别方法对比：基于深度学习的手势识别研究》2019.11.15
- 《表1 图片分类结果对比：基于深度学习的图像识别问题中对抗样本的研究》2019.10.01
- 《表3 不同分词结果对比：基于深度学习和迁移学习的领域自适应中文分词》2019.09.01
- 《表1 测试结果：基于深度学习的人脸识别算法研究》2019.10.05
- 《表1 ZF网络参数表：基于深度学习与迁移学习的中医舌象提取识别研究》2019.05.17