《表1 不同数据集上的性能比较》
实验2为进一步验证本文算法的有效性,采用如下5种对比算法:SAE[1 5](Stacked Auto Encoders),SDA[16](Stacked Denoise Autoencoder),DBM[17](Deep Boltzmann Machines),ML-ELM[18](Multi-Layer ELM)和H-ELM[19](Hierarchical ELM)。其中SAE,SDA和DBM是非ELM的深度神经网络,ML-ELM,H-ELM是基于ELM的深度神经网络,分别在MNIST,NORB和CIFAR-10数据集上对分类精度和训练时间的最佳效果进行统计,如表1所示。
图表编号 | XD00151378600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 刘彬、杨有恒、赵志彪、吴超、刘浩然、闻岩 |
绘制单位 | 燕山大学电气工程学院、燕山大学电气工程学院、燕山大学信息科学与工程学院、燕山大学信息科学与工程学院、燕山大学信息科学与工程学院、燕山大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |