《表2 分布式时序卷积神经网络与各传统方法的试验效果对比》
本文同时采用了多种基于特征工程的机器学习方法和深度学习方法来进行对比分析。它们分别是最近邻(knearest neighbor,KNN)[27]、支撑向量机(support vector machine,SVM)[28]、高斯处理过程(gaussian process,GP)、决策树(decision tree,CvDTree)[29]、神经网络(neural networks NN)[14]、高斯朴素贝叶斯(gaussian naive bayes,GNB)[18]、二次判别分析(quadratic discriminant analysis,QDA)[30]、卷积神经网络(convolutional neural network,CNN)[31]、循环神经网络(recurrent neural network,RNN)[32],采用分布式时序卷积神经网络方法的召回率、准确率、F1值三方面评价指标均有大幅提升。该算法能够正确识别出测试集中所有有损伤的数据,召回率提高到100%,识别准确率为90.12%,总体F1指标达到86.21%(见表2)。
图表编号 | XD00160067800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 杨宇、王彬文、吕帅帅、周雨熙、王莉、刘国强 |
绘制单位 | 中国飞机强度研究所、中国飞机强度研究所、中国飞机强度研究所、北京大学、中国飞机强度研究所、中国飞机强度研究所 |
更多格式 | 高清、无水印(增值服务) |