《表2 全连接神经网络和卷积神经网络模型对比》
提示：宽带有限、当前游客访问压缩模式
以Minist数据集作为实验对象，训练集和测试集采用3000张数字图片，分别列出最佳的学习步长和最好的识别准确率，实验结果如表2所示。
| 图表编号 | XD00152879100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.30 |
| 作者 | 魏峰、山磊 |
| 绘制单位 | 南京理工大学紫金学院电子工程与光电技术工程学院、连云港职业技术学院机电工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 神经网络样本表：全连接神经网络在砂砾石地基上闸底板弯矩预测中的应用》2020.12.25
- 《表1 主要材料参数：全连接神经网络在砂砾石地基上闸底板弯矩预测中的应用》2020.12.25
- 《表3 预测结果：全连接神经网络在砂砾石地基上闸底板弯矩预测中的应用》2020.12.25
- 《表3 全连接层中不同数目的神经元下的网络识别效果》2020.10.01
- 《表2 全连接层神经元个数改变后的手势识别率对比》2018.02.01
- 《表1 本方法运行效率：基于全连接神经网络的近实时重新着色算法》2020.02.25
- 《表2 模型校验误差：基于多层全连接神经网络的白洋淀水质预测》2020.06.20
- 《表1 全连接神经网络模型的预测结果》2020.06.01
- 《表4 全连接层中神经元数量和隐藏层数的分类性能和损失性能》2019.12.10
- 《表2 全连接层神经元数量对精度影响》2019.09.01
- 《表3 判别器D分类标准：基于全连接神经网络的雷达目标航迹识别》2019.09.20
- 《表2 航迹标签表：基于全连接神经网络的雷达目标航迹识别》2019.09.20
- 《表1 3 卷积核非全连接》2019.08.15
- 《表1 2 卷积核全连接》2019.08.15
- 《表2 全连接神经网络与GoogLeNet识别性能对比》2019.06.01
- 《表1 分段模拟函数表：利用OpenCL设计并优化FPGA上的全连接神经网络》2019.02.01
- 《表2 资源占用报告：利用OpenCL设计并优化FPGA上的全连接神经网络》2019.02.01
- 《表2 AlexNet和VGG-M提取的不同卷积层特征和全连接层特征汇聚组合的检索结果》2019.07.20
- 《表2 全连接深度卷积网络的参数设置Tab.2 Parameter setting of CNN》2019.02.25
- 《表2 模型结果对比：融合卷积神经网络和重启随机游走的实体链接方法》2018.02.01