《表5 深层SE-Dense Net测试集分类准确率》
提示：宽带有限、当前游客访问压缩模式
（%）
为了验证SE-Dense Net模型的优良的预测性能，将其与Dense Net在与本节上文同样的数据集的条件下进行训练对比，在测试集的结果如表4和表5所示。
| 图表编号 | XD00191835600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.23 |
| 作者 | 郭如雁、彭敏放、曹振其 |
| 绘制单位 | 湖南大学电气与信息工程学院、湖南大学电气与信息工程学院、湖南大学电气与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 测试集分类准确率（%）分析》2020.10.10
- 《表6 在Multi NLI测试数据集上的分类准确率》2020.10.24
- 《表1 测试集的分类准确率》2020.10.01
- 《表1 SE-Dense Vox Net的网络结构及参数》2021.01.30
- 《表1 Space Net测试集模型评估结果》2020.12.05
- 《表1 mini Image Net数据集测试结果》2021.04.15
- 《表5 Dense Net169对测试集分类预测的混淆矩阵》2020.11.18
- 《表1 SE-Dense Net网络配置信息表》2021.01.23
- 《表4 模型改进前后测试集分类准确率对比》2021.01.23
- 《表4 在Res Net18网络上的分类准确率》2020.06.01
- 《表3 测试集的分类准确率》
- 《表3 基分类器分组训练后在测试集上的准确率对比(单位：%）》2020.04.01
- 《表7 测试集上的准确率：基于CMAES集成学习方法的地表水质分类》2020.03.01
- 《表4 Image Net-67数据集上模型尺寸vs准确率》2020.03.01
- 《表2 测试集准确率：激光诱导击穿光谱技术对烟草快速分类研究》2019.10.01
- 《表3 模型测试集分类准确率结果》2019.06.20
- 《表1 不同卷积实验在BP神经网络分类器测试集准确率》2019.01.10
- 《表1 集测试结果：基于深层自适应平衡自编码机的手写数字分类》2019.01.20
- 《表3 测试集样本分类正确率》2018.06.15
- 《表3 测试集正确率：基于深度卷积神经网络的细胞分类新方法》2019.12.31