《表2 实验方法和相应的描述》

  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

《一种基于PPCNN的金属激光熔化沉积熔池状态识别方法》

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

为了对比论证所提方法的优势，选择不添加L2惩罚项的PPCNN、标准CNN进行对比。不添加L2惩罚项的PPCNN也采用图3的网络结构与参数，标准CNN的网络结构和参数与图3相比，将金字塔池化模块替换为步幅为2，滤波器为2×2的最大池化层，且只有两层全连接层，第一层全连接层具有1024个节点，第二层全连接层的节点数为200，其他网络结构和参数与图3保持一致。同时为了突出所提方法相对于SAE和传统方法的优势，将熔池ROI像素灰度值范围从0到255分为25个区间，将不同区间中的像素数提取为熔池特征分别输入SAE、SVM和传统浅层神经网络BPNN进行对比。具体实验方法介绍如表2所示。