《表4 模型性能指标对比：图像分类卷积神经网络的进化设计》

  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

《图像分类卷积神经网络的进化设计》

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

图4给出了ECNN-1算法进化完成后的20条染色体网络模型对测试集进行分类的准确率折线图.其中横轴表示染色体序号，纵轴表示每条染色体模型的测试准确率，折线图为每条染色体模型测试准确率与准确率平均值的对比.从图4可以看出仅有13号染色体测试准确率为85.6%，20号染色体测试准确率为68.2%，其余染色体的测试准确率均在90%～95.7%之间，20条染色体的总平均测试准确率值为92.2%，表明ECNN自动网络设计种群中个体进化的合理性.其中17号染色体测试准确率最高为95.7%，与ECNN-1自组织网络的测试准确率相同，验证了ECNN算法设计的准确性.由于计算资源的限制，文中算法中网络最大层数设置为17，通过文中方法可以寻找到与人工网络分类准确率相近的网络，若在更多的计算资源情况下，可以设置更多的网络层数与初始染色体群体数量，将更有利于保证自组织网络ECNN-1具有较高的分类准确率.