《表1 不同算法随样本量变化时计算耗时》
/s
在目标域样本数量为小数据集(1~35组)的条件下,使用MLE、MAP、CML、LP和DWTL算法学习W节点参数。实验结果采用KL距离进行度量,进行了15次参数学习实验后结果如图3所示。为了显示方便,此处对KL距离作对数处理,形成相应的分贝值(d B),以此来衡量学习方法的学习精度。图4是目标域样本量为1~35组条件下对应的五种参数学习算法KL的线箱图。图5为1~35组样本下不同平衡系数值下基于迁移学习的BN参数学习算法KL距离对比。图6为目标域样本量为300组条件下,本文算法与传统BN参数学习算法的KL距离对比。表1为五种算法在样本量为1、10、20、30、35组情况下学习算法的耗时情况。
图表编号 | XD00198114400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.05 |
作者 | 郭文强、徐成、肖秦琨、李梦然 |
绘制单位 | 陕西科技大学电子信息与人工智能学院、陕西科技大学电气与控制工程学院、西安工业大学电子信息工程学院、陕西科技大学电气与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |