《表1 Attention模型和AFAR的评价结果》
提示：宽带有限、当前游客访问压缩模式
实验使用三种数据集、两种卷积神经网络对未使用通道激活层的基础注意力图像描述模型Attention和具有激活层的AFAR进行对比实验，评价结果如表1所示。
| 图表编号 | XD00163214300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.10 |
| 作者 | 韦人予、蒙祖强 |
| 绘制单位 | 广西大学计算机与电子信息学院、广西大学计算机与电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 分类结果性能比较：基于CNN和BiGRU-Attention模型的心律异常判别研究》2021.02.01
- 《表1 加入attention机制的网络模型》2021.02.01
- 《表4 评价结果对比：计及电价和Attention机制的LSTM短期负荷预测模型》2020.11.30
- 《表1 烟气计算参数：计及电价和Attention机制的LSTM短期负荷预测模型》2020.11.30
- 《表1：不同模型实验结果：基于Multi-attention的文本语音多媒体情感分析》2020.10.01
- 《表4 模型对比实验结果：基于级联卷积和Attention机制的情感分析》2020.06.25
- 《表2 Attention模型和AFAR生成的描述对比》2020.07.10
- 《表2 测试结果对比：基于BiGRU-CNN-Attention模型的股市评论情感分析》2020.04.25
- 《表1 模型参数表：基于BiGRU-CNN-Attention模型的股市评论情感分析》2020.04.25
- 《表3 Attention-Based LSTM模型与SVM、LSTM模型的对比实验结果》2020.02.20
- 《表9 样本量50 000时的Attention-BiLSTM模型实验结果》2019.12.25
- 《表8 样本量10 000时的Attention-BiLSTM模型实验结果》2019.12.25
- 《表5 基于词切分的结果：基于Attention+Bi-LSTM的公交出行意图和语义槽填充联合识别》2019.12.01
- 《表4 基于字切分的结果：基于Attention+Bi-LSTM的公交出行意图和语义槽填充联合识别》2019.12.01
- 《表1 比较结果：一种基于Attention-GRU和iForest的周期性时间序列异常检测算法》2019.12.01
- 《表3 不同模型分类结果：基于CNNGRU-Attention模型的文本情感分析》2019.09.25
- 《表1 数据集详细信息：基于CNNGRU-Attention模型的文本情感分析》2019.09.25
- 《表1 模型参数：基于word2vec和Attention-Seq2Seq的水稻病虫害智能问答方法研究》2019.06.01
- 《表1 实验参数：基于Bi-LSTM-Attention模型的人体行为识别算法》2019.08.10
- 《表1 数据集：基于BiGRU-attention神经网络的文本情感分类模型》2019.12.01