《表2 最佳网络结构参数(输入W=11,N=4)》

  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

《面向机载高光谱数据的3D-CNN亚热带森林树种分类》

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

完成3D-CNN网络设计后，配置训练过程，通过反向传播损失函数梯度更新三维卷积核参数。由于训练集相对较小，批量大小（batch size）设置为64，采用SGD优化器完成训练过程。学习速率用于控制每次训练迭代的学习进度，不合适的学习速率会导致梯度离散或收敛缓慢，本研究采用网格搜索方法，将学习速率设定为{0.01，0.003，0.001，0.003，0.000 1，0.000 3}，分别对模型进行300个周期的训练，基于训练中精度、损失的变化及分类结果，选择最佳学习速率为0.000 1。根据模型在验证集的表现及最终分类结果，本研究采用的最佳3D-CNN网络结构参数如表2所示。