《表5 MNIST数据集的测试精度对比》

  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

《局部感受野的宽度学习算法及其应用》

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

MNIST数据集作为经典的手写数据集被广泛应用[25]。这个数据集包含了70 000张手写数字图片，其中有60 000张图片作为训练样本，剩余10 000张作为测试样本。每张图像是一个单一的手写数字图片。对于BLS网络结构参考文献[11]，选取最优节点数即10×10的特征节点和11 000的增强节点。对于ELM-LRF设置5×5的感知域、30个特征映射图和池化大小为3去进行测试。为了证明BLS-LRF网络的快速性，设置了5×5的感知域、3个特征映射图、池化大小为3、10×10的特征节点和5 000个增强节点去和上面两个网络进行对比，对比结果如表5所示，可以看出前3组的测试精度相近，但是所需要的时间长短却不相同，BLS-LRF的测试时间是最短的为35.2 s，其次是BLS的51.71 s，最后是ELM-LRF的84.8 s。因此BLS-LRF的网络模型要优于BLS和ELM-LRF。