《表1 实验结果：残差网络与注意力机制结合的啰音检测方法》
提示：宽带有限、当前游客访问压缩模式
使用SVM，Res Net50和CBAM-Res Net对啰音检测的五折交叉验证的实验结果如表1所示。
| 图表编号 | XD00197224900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.28 |
| 作者 | 杨淋坚、张宇 |
| 绘制单位 | 广东工业大学、广东工业大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 参数设置：结合注意力机制的深度学习光流网络》2020.11.01
- 《表5 差异基因测序数据：伪3D卷积神经网络与注意力机制结合的疲劳驾驶检测》2021.01.16
- 《表8 ResNet50不同残差单元加入具有全局特征的空间注意力机制的实验结果》2020.11.10
- 《表7 ResNet50的c4残差单元加入不同注意力机制的实验结果》2020.11.10
- 《表4 不同残差单元加入具有全局特征的空间注意力机制的多分类实验结果》2020.11.10
- 《表2 不同残差单元加入具有全局特征的空间注意力机制的二分类实验结果》2020.11.10
- 《表3 c3残差单元加入不同注意力机制的实验结果》2020.11.10
- 《表1 所有残差单元加入不同注意力机制的实验结果》2020.11.10
- 《表1 实验参数设置：结合注意力机制的Bi-LSTM-CRF中文电子病历命名实体识别》2020.07.10
- 《表1 肽键特征集：基于多头注意力机制和残差神经网络的肽谱匹配打分算法》2020.06.10
- 《表1 实验数据统计：结合上下文和注意力机制的特定目标情感分析》2020.04.01
- 《表6 不同切片实验结果：结合注意力机制与双向切片GRU的情感分类模型》2020.09.01
- 《表4 各种模型实验结果：结合注意力机制与双向切片GRU的情感分类模型》2020.09.01
- 《表2 实验模型参数：结合注意力机制与双向切片GRU的情感分类模型》2020.09.01
- 《表2 实验环境参数：基于深度残差网络的布匹疵点检测方法》2020.04.01
- 《表1 实验数据集：基于注意力机制的社交垃圾文本检测方法》2020.02.15
- 《表2 消去实验：基于注意力机制的红外图像和自然图像电力设备异常检测方法研究》2020.02.25
- 《表1 实验环境参数：基于残差通道注意力网络的医学图像超分辨率重建方法》2020.01.25
- 《表4 实验结果对比：基于卷积注意力机制的情感分类方法》2020.01.16
- 《表1 实验环境配置：结合自注意力机制和Tree-LSTM的情感分析模型》2019.07.01