《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于深度学习的复合材料结构损伤导波监测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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）。