《表3 不同模型在2种分类标准下结果》
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
《基于BGRU-FUS-NN神经网络的姿态情感计算方法研究》
如表3所示，分别对比了传统的3种时序模型、FUS-NN与BGRU-FUS-NN在上述8分类与4分类区域划分方式下的分类性能.RNN由于其易于梯度消失的缺陷，表现性能都处于垫底；BLSTM与BGRU通过门电路运算与双向传播思想在RNN基础上一定程度地缓解了梯度消失带来的损失，但依旧存在着无法充分利用长期记忆的弊病；FUS-NN加入了MAC-NN，从全局的角度充分地处理并分类输入信息，同时也保留了LSTM对于时序数据细节处理的优点，相比传统的时序模型有着明显更好的分类效果.本文基于非表演型动作数据集所设计的BGRU-FUS-NN通过添加LN层，使用GRU替代LSTM等方式，有效地针对过拟合等问题进行了优化，在2种分类标准下都拥有最好的平均准确率.
| 图表编号 | XD00163087800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.01 |
| 作者 | 付心仪、蔡天阳、薛程、张宇翔、徐迎庆 |
| 绘制单位 | 清华大学美术学院、清华大学未来实验室、清华大学-阿里巴巴自然交互体验联合实验室、School of Information Engineering, University of Technology of Compiegne、中国传媒大学动画与数字艺术学院、清华大学自动化系、清华大学美术学院、清华大学未来实验室、清华大学-阿里巴巴自然交互体验联合实验室 |
| 更多格式 | 高清、无水印（增值服务） |
