《表2 模型超参数选择对比》
提示：宽带有限、当前游客访问压缩模式
本文的原始数据集有十维特征，经过数据预处理，可扩展为28维特征，因此训练模型的输入神经元个数为28。本文首先对隐藏层数不同的模型进行实验，并给出实验结果，如表2所示。
| 图表编号 | XD00148167800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.01 |
| 作者 | 李昊 |
| 绘制单位 | 郑州轻工业大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同RF超参数下模型各指标比较》2020.08.01
- 《表2 实验超参数选择：基于遥感影像的水域违章建筑识别研究》2021.02.25
- 《表2 循环神经网络模型超参数》2021.03.01
- 《表2 深度LSTM网络的超参数选择与搜索范围》2020.12.01
- 《表3 各分类器在特征选择和超参数优化前后的准确率》2020.08.10
- 《表2 一级指标：基于特征选择和超参数优化的恐怖袭击组织预测方法》2020.08.10
- 《表1 基本资料：基于特征选择和超参数优化的恐怖袭击组织预测方法》2020.08.10
- 《表1 质谱离子选择参数：超高效液相色谱-串联质谱法快速测定苯磺酸酯类基因毒性杂质》2020.04.15
- 《表2 优化算法Adam模型超参数》2020.02.25
- 《表2 离子选择参数表：超高效液相色谱-串联质谱法测定八角中甲霜灵和抗蚜威的残留量》2020.03.25
- 《表2 简化模型与超模型的计算规模对比》2019.10.20
- 《表2 XGBoost模型的超参数》2019.10.01
- 《表2 通用领域分词模型超参数》2019.09.01
- 《表4 不同超参数下三维地质模型对比》2019.09.01
- 《表2 训练RVM模型的超参数和迭代次数》2019.07.10
- 《表2 超固结滕森黏土的模型参数》2019.09.10
- 《表2 超参数取值与模型预测准确率关系表》2019.05.01
- 《表2 本文CNN模型的超参数》2019.04.16
- 《表2 各模型的参数选择结果以及分类精度对比Tab.2 Comparison of parameter selection results and classification accuracy of each model》2019.01.25
- 《表1 仿真参数假设：超密集组网下基于链路效率的多连接小区选择算法》2019.11.28