《表3 D3Q训练算法超参数设置》
提示：宽带有限、当前游客访问压缩模式
D3Q训练算法的超参数设置如表3所示。本文D3Q采用多层全连接层竞争架构，各层神经元数如图2（b）所示，全连接层激活函数为relu，输出层激活函数为linear。
| 图表编号 | XD00160116800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.28 |
| 作者 | 南英、蒋亮 |
| 绘制单位 | 南京航空航天大学航天学院、南京航空航天大学航天学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 训练参数设置：一种混合验证码的识别算法研究》2020.09.25
- 《表2 CV-DNN训练过程中的超参数设置》2020.10.01
- 《表3 DDPG训练参数设置》2021.01.25
- 《表1 3种网络超参数设置》2021.02.25
- 《表2 超参数设置：基于随机模糊测度的高铁通信定向天线最优算法》2020.09.01
- 《表6 Trainlm训练算法的参数设置》2020.12.28
- 《表2 网络训练超参数设置》2020.12.15
- 《表2 RF算法超参数设置》2020.07.25
- 《表1 4种训练集的参数：RAISR算法在遥感图像超分辨率重建中的可行性》2020.06.20
- 《表1 超参数设置：多任务神经网络药物不良反应检测算法》2020.07.20
- 《表1 参数设置：预训练网络引导的人脸图像超分辨率重建》2020.06.25
- 《表3 实验超参数设置（BERT)》2020.08.25
- 《表3 本文算法的部分超参数设置》2020.08.20
- 《表2 超参数设置：隐式反馈场景下的LFM-XGB-LR融合推荐算法》2020.03.01
- 《表3 模型训练的参数设置》2020.03.01
- 《表1 计算参数设置：基于遗传算法的超疏水冷凝表面结构优化》2020.01.08
- 《表3 GNNWR模型网络架构与超参数设置》2020.01.25
- 《表3 CNN网络超参数和优化器设置》2019.09.01
- 《表5 训练时间比较：基于复合卷积神经网络的图像超分辨率算法》2019.07.01
- 《表3 仿真参数设置：超密集小区中基于二分图优先级的资源分配算法》2019.08.28