《表1 不同试件主要参数：基于改进递归残差网络的恶意流量分类算法》
提示：宽带有限、当前游客访问压缩模式
为了选取合理超参数，本文设计了如下六种候选的残差模块，如表1所示。针对设计中的参数选择有如下说明：
| 图表编号 | XD00198060600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.31 |
| 作者 | 潘嘉、翟江涛、刘伟伟 |
| 绘制单位 | 江苏科技大学电子信息学院、南京信息工程大学计算机与软件学院、南京理工大学自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 残差网络参数：基于多尺度信息融合的图像识别改进算法》2020.09.01
- 《表2 网络的超参数：基于残差编解码网络的红外图像自适应校正算法》2020.09.20
- 《表3 基于隐变量模型算法的网络流量分类研究总结》2020.12.01
- 《表3 基于隐变量模型算法的网络流量分类研究总结》2020.12.01
- 《表1 部分评论样本数据：基于改进LSTM算法的天地一体化信息网络流量预测》2020.12.20
- 《表3 数据集属性描述：基于监督学习算法的网络流量应用类型分类研究》2021.01.01
- 《表1 参数设置：基于监督学习算法的网络流量应用类型分类研究》2021.01.01
- 《表3 算法性能对比：基于改进递归有序聚类的有源配电网多时段动态重构》2021.02.10
- 《表1 实验结果：基于深度残差网络的水果图像分类算法研究》2020.12.25
- 《表2 实验数据配置：基于样本增强的网络恶意流量智能检测方法》2020.06.25
- 《表1 MDRN网络参数：基于改进残差网络对心电信号的识别》2020.07.01
- 《表1 不同模型排序效果：基于递归神经网络与注意力机制的动态个性化搜索算法》2020.05.01
- 《表1 对比实验结果：一种改进的卷积神经网络恶意域名检测算法》2020.02.20
- 《表2 基于卷积神经网络的恶意流量分类测试结果》2020.02.10
- 《表1 恶意流量分类CNN结构及参数设置》2020.02.10
- 《表1 试验数据集：基于改进残差网络的红枣缺陷检测分类方法研究》2020.01.01
- 《表1 网络结构参数配置：基于残差网络编解码的磁共振图像修复算法》2020.01.16
- 《表1 恶意样本集：基于多特征融合的恶意代码分类算法》2019.08.10
- 《表1 网络数据流的特征：基于改进的密度空间聚类算法的网络恶意数据流检测策略》2019.04.25
- 《表2 算法增量学习性能：基于改进SOINN算法的恶意软件增量检测方法》2019.12.15