《表1 模型参数设置：一种结合压缩激发块和CNN的文本分类模型》
提示：宽带有限、当前游客访问压缩模式
在实验中，不同的参数设置会影响到实验的最终结果，这里列出部分参数，以此为基准进行实验．实验参数如表1所示．
| 图表编号 | XD00157816600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.01 |
| 作者 | 陶永才、刘亚培、马建红、李琳娜、石磊、卫琳 |
| 绘制单位 | 郑州大学信息工程学院、郑州大学软件学院、郑州大学软件学院、中国科学技术信息研究所、郑州大学软件学院、郑州大学软件学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 参数设置：基于双向长效注意力特征表达的少样本文本分类模型研究》2020.10.25
- 《表3 并行结构模型对比：CGGA:一种CNN与并行门控机制混合的文本分类模型》2021.03.01
- 《表2 模型参数设置：CGGA:一种CNN与并行门控机制混合的文本分类模型》2021.03.01
- 《表1 实验环境配置：CGGA:一种CNN与并行门控机制混合的文本分类模型》2021.03.01
- 《表1 实验平台设置：一种粒度融合的新闻文本主题分类模型》2020.11.01
- 《表2 超参数设置：一种粒度融合的新闻文本主题分类模型》2020.11.01
- 《表2 实验结果对比：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表1 混淆矩阵：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表1 实验环境配置：一种结合LSTM和集成算法的文本校对模型》2020.05.01
- 《表2 模型参数设置：基于BERT和双通道注意力的文本情感分类模型》2020.07.01
- 《表2 实验参数设置：基于联合模型的多标签文本分类研究》2020.07.15
- 《表3 模型参数设置：一种基于循环神经网络的电网客服语音文本实体识别算法》2020.06.05
- 《表2 超参数设置：一种改进的医疗文本分类模型:LS-GRU》2020.07.15
- 《表3 3种模型实验结果：RHS-CNN:一种基于正则化层次Softmax的CNN文本分类模型》2020.05.15
- 《表2 实验模型参数：Word2vec-CNN-Bilstm短文本情感分类》2020.01.25
- 《表1 雷达参数设置：一种基于集成学习的DBN模型分类方法》2019.10.01
- 《表1 性别分类CNN模型具体参数设置》2019.09.15
- 《表1 CNN参数配置表：基于Word2vec和LDA的卷积神经网络文本分类模型》2019.08.01
- 《表4 超参数设置：结合产品特征的评论情感分类模型》2019.08.15
- 《表2 模型参数设置：基于BiGRU-attention神经网络的文本情感分类模型》2019.12.01