《表2 二维卷积神经网络模型层数比较》
提示：宽带有限、当前游客访问压缩模式
为了确定网络结构和网络参数，本文首先比较了不同卷积神经网络的层数下的准确率，如表2所示
| 图表编号 | XD00160816400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.15 |
| 作者 | 张盼盼、张健飞 |
| 绘制单位 | 河海大学力学与材料学院、河海大学力学与材料学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 卷积神经网络模型参数》2020.11.30
- 《表1 不同优化方式的卷积神经网络模型音素错误率比较》2020.12.31
- 《表3 经典网络模型比较：多流卷积神经网络的骨架行为识别》2020.06.01
- 《表1 模型性能比较：基于双流卷积神经网络和生成式对抗网络的行人重识别算法》2020.06.10
- 《表1 模型性能比较：基于卷积神经网络的电网变压器铭牌识别技术研究》2020.07.25
- 《表3 网络模型规模比较：改进的卷积神经网络行人检测方法》2020.05.16
- 《表2 3种模型效果比较：快速的卷积神经网络算法及应用》2020.08.16
- 《表5 20-40-3000的卷积神经网络模型与其他算法比较》2020.06.20
- 《表1 数据集汇总：基于非结节自动分类的二维卷积网络在肺结节检测假阳性减少中的应用》2020.08.01
- 《表2 不同模型性能对比：基于非结节自动分类的二维卷积网络在肺结节检测假阳性减少中的应用》2020.08.01
- 《表2 卷积层数对实验结果的影响》2020.01.30
- 《表2 深度卷积神经网络模型》2020.02.16
- 《表2 不同卷积层数网络的分类性能和损失性能》2019.12.10
- 《表2 分类结果比较表：基于Word2vec和LDA的卷积神经网络文本分类模型》2019.08.01
- 《表1 特征选择比较：基于语言模型及循环卷积神经网络的事件检测》2019.05.28
- 《表2 不同卷积层数下相关指标的对比》2019.07.15
- 《表6 模型比较结果：双通道卷积记忆神经网络文本情感分析》2019.07.15
- 《表2 基于不同卷积网络的Faster R-CNN模型检测结果比较》2019.08.10
- 《表2 不同模型比较：基于深度卷积神经网络的铁路接触网鸟窝检测方法研究》2019.07.10
- 《表1 卷积层数和核数不同时网络的准确率》2018.06.01