《表3 模型训练设置表：基于LSTM的《红楼梦》文本风格分界点识别方法》
提示：宽带有限、当前游客访问压缩模式
1-Dconv LSTM网络模型训练的具体设置见表3。对于每一个训练分界点，重复训练15个模型，以降低偶然因素。
| 图表编号 | XD00192245500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.01 |
| 作者 | 朱东旭、严广乐 |
| 绘制单位 | 上海理工大学系统科学系、上海理工大学系统科学系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 LSTM模型结构：基于改进胶囊网络的文本分类》2020.09.10
- 《表1 试验设计方案：基于LSTM-CRF的军事动向文本实体识别方法》2020.12.28
- 《表1 模型参数设置：融合关键对象识别与深层自注意力的Bi-LSTM情感分析模型》2021.03.01
- 《表1 数据集样本分布表：基于LSTM的《红楼梦》文本风格分界点识别方法》2020.08.01
- 《表2 混淆矩阵表：基于LSTM的《红楼梦》文本风格分界点识别方法》2020.08.01
- 《表2 实验结果对比：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表1 混淆矩阵：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表3 模型参数设置：一种基于循环神经网络的电网客服语音文本实体识别算法》2020.06.05
- 《表2 参数设置：基于多层注意力机制的中文文本蕴涵识别方法》2020.08.16
- 《表3 部分实验参数设置：基于ERNIE-BiGRU模型的中文文本分类方法》2020.08.01
- 《表2 参数设置：基于混合注意力机制的中文文本蕴含识别方法》2020.06.01
- 《表2 训练集样本示例：基于BI-LSTM-CRF的作战文书命名实体识别》2019.08.01
- 《表1 实验分类结果：基于LSTM神经网络的电网文本分类方法》2020.01.15
- 《表3 模型参数设置：肝癌患者在线提问的命名实体识别研究:一种基于迁移学习的方法》2019.12.25
- 《表6 训练参数：基于DBM-LSTM的多特征语音情感识别》2020.02.16
- 《表2 目标域数据集设置：基于TL-LSTM的轴承故障声发射信号识别研究》2019.05.01
- 《表3 模型超参数设置：一种基于双向LSTM的联合学习的中文分词方法》2019.10.01
- 《表2 模型训练过程：基于深度神经网络的网络安全实体识别方法》2019.01.30
- 《表3 模型参数设置：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表1 实现结果比较：一种基于CNN与双向LSTM融合的文本情感分类方法》2019.12.01