《表9 Cap SA在两种数据集上不同迭代轮数的F1与正确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《胶囊神经网络研究现状与未来的浅析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了更好地保留文本特征，增加特征多样性，验证动态路由迭代次数和压缩函数对模型的影响，沈炜域等[40]构建包含多尺寸多层卷积的胶囊网络和自注意力网络的Cap SA模型验证模型效果。实验使用Headlines和Review Sentiment数据集测试，结果如表9所示，仅限制迭代轮数为5轮时，Cap SA模型在第2轮路由迭代能够得到较好的分类效果，后续增加的迭代次数并没有使得效果提升。模型如果达到理想的收敛状态，需要更多的路由迭代次数，亦需要非常多的数据迭代才能达成，会造成更大的计算代价。