《表6 在波恩数据集上与3种非迁移学习方法的识别准确率比较》
%
首先,将本研究提出的DJKT方法与3种经典非迁移学习算法的性能进行比较,包括SVM、ELM[23]和空洞卷积神经网络(dilated CNN)。SVM的惩罚参数为;ELM的隐藏层数设置为10,激活函数为sigmoid;dilated CNN的层数设置为6层。在10组实验数据上的识别结果如表6和图6所示,每组实验列举了10次重复实验所得识别准确率的平均值和标准差(括号中)。
图表编号 | XD00217690900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 沈雷、耿馨佚、王守岩 |
绘制单位 | 复旦大学类脑智能科学与技术研究院、计算神经科学与类脑智能教育部重点实验室、复旦大学上海智能机器人工程技术研究中心、复旦大学智能机器人教育部工程研究中心、复旦大学类脑智能科学与技术研究院、计算神经科学与类脑智能教育部重点实验室、复旦大学上海智能机器人工程技术研究中心、复旦大学智能机器人教育部工程研究中心、复旦大学类脑智能科学与技术研究院、计算神经科学与类脑智能教育部重点实验室、复旦大学上海智能机器人工程技术研究中心、复旦大学智能机器人教育部工程研究中心 |
更多格式 | 高清、无水印(增值服务) |