《表2 优化器训练完成后GCN模型在测试集上的精度》
提示：宽带有限、当前游客访问压缩模式
表1为各个优化器训练的GCN模型在训练集上损失值和验证集上分类精度值与迭代次数的关系。各个优化器训练完成后的GCN模型在测试集上的分类精度值如表2所示。
| 图表编号 | XD00217377600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.20 |
| 作者 | 周波 |
| 绘制单位 | 浙江工业大学信息工程学院、浙江交通职业技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 15个学习器在5个数据集上的测试精度》2020.10.01
- 《表1 优化器训练的GCN在训练集损失值和验证集上分类精度值与迭代次数关系》2020.12.20
- 《表3 各模型在测试集上的预测精度》2020.11.28
- 《表1 不同模型在测试集上的预测精度》2020.12.15
- 《表3 图像经CLAHE处理后不同模型在测试集上的识别准确率》2020.12.01
- 《表2 在测试集上的读数识别精度结果对比》2020.12.10
- 《表1 训练、剪枝、微调得到的各模型在Vis Drone-Det数据集上的测试结果》2021.01.18
- 《表2 训练4 000代后网络在测试集上的整体误差》2020.12.01
- 《表1 不同模型在测试集和训练集上的表现》2020.02.20
- 《表7 基分类器经过投票后在测试集上的实验结果》2020.05.26
- 《表3 基分类器分组训练后在测试集上的准确率对比(单位：%）》2020.04.01
- 《表3 Kinetics数据集上不同剪辑在18层R(2+1)D模型上的训练时间与识别精度》2020.05.01
- 《表1 分割网络在不同数据集上训练的模型在测试集上的测试结果(%)》2020.01.30
- 《表2 各算法在7个数据集上的平均精度测试结果》2020.02.10
- 《表1 训练完成后的不同模型在战略性游戏上的测试得分》2019.11.01
- 《表2 不同的分类器对不同特征提取算法在Pavia University数据集上的最高总体分类精度（OA±std)》2019.10.15
- 《表2 SSD算法在test-90测试集上的检测精度(单位:%)》2019.09.25
- 《表4 FTVGG16模型在训练集、验证集上的测试结果》2019.05.25
- 《表5 不同模型在训练集、验证集上的测试结果》2019.05.25
- 《表2 极限学习机、逻辑回归和神经网络的训练耗时及在测试集上的总体精度和AUC指标Tab.2 Extreme learning machine, logistic regression and neural network training》2018.12.01