《表1 实验系统性能参数：基于深度网络模型压缩的广告点击率预估模型》
提示：宽带有限、当前游客访问压缩模式
实验中不同的参数设置会影响模型的训练结果，进而影响广告点击率预估的准确率。通过相关文献和大量实验，确定相对较优参数设置。实验模型参数设置如表1所示。
| 图表编号 | XD00190350600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.25 |
| 作者 | 李致贤、张红梅 |
| 绘制单位 | 桂林电子科技大学广西高校云计算与复杂系统重点实验室、桂林电子科技大学广西高校云计算与复杂系统重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 点击日志字段表：基于特征工程的广告点击转化率预测模型》2020.09.01
- 《表3 实验方案设计：基于改进的深度Q网络结构的商品推荐模型》2020.09.10
- 《表1 网络模型参数：基于深度学习的加密网络流量识别方法研究》2021.01.10
- 《表1 各分量模型参数：基于变分模式分解和深度门控循环网络的风速短期预测模型》2018.12.25
- 《表5 组合模型预测结果：基于灰色关联BP神经网络的压缩式蓄冷系统中的水合物生成量预测》2021.02.05
- 《表1 基于深度包过滤的无线网络安全防御模型实验结果》2021.01.01
- 《表4 Web端深度网络模型压缩前后对比》2020.12.01
- 《表2 各主要部件能耗：基于Wide&Deep的广告点击率预测模型综述》2020.11.15
- 《表1 自变量基本情况：基于Wide&Deep的广告点击率预测模型综述》2020.11.15
- 《表1 实验数据集：基于深度Inception网络的包装袋检测模型》2020.07.25
- 《表4 对齐实验参数设置：基于深度学习的领域知识对齐模型研究：知识网络视角》2020.05.24
- 《表1 网络模型结构参数：基于深度哈希卷积神经网络的医学图像检索》2020.08.15
- 《表1 模型参数：基于参数共享的卷积神经网络压缩》2020.01.01
- 《表3 混淆矩阵：网络广告点击率预估的特征学习及技术研究进展》2019.09.01
- 《表1 实验参数设置：基于深度信念网络的脑电信号疲劳检测系统》2019.05.25
- 《表1 实验对象相关信息：基于深度卷积网络的阿尔茨海默病诊断模型研究》2019.01.15
- 《表1 四值权重编码表：权重量化的深度神经网络模型压缩算法》2019.04.20
- 《表1 网络模型参数：基于深度学习的复杂化工过程软测量模型研究与应用》2019.02.01
- 《表1 总体性能对比：基于深度神经网络的说话人识别模型研究》2018.10.01
- 《表1 参数设置：基于图卷积网络的深度学习点云分类模型》2019.11.10