《表2 注意力机制对实验结果的影响》
提示：宽带有限、当前游客访问压缩模式
其次，验证注意力机制对实验结果的影响。由表2可以看出，加入注意力机制比不加的效果更加明显，通过引入注意力机制，减少无关冗余信息的干扰，从而提高异常行为检测的准确率。
| 图表编号 | XD00220054400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 童赟、杨兴明、范楼苗 |
| 绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 KG和注意力机制对算法性能的影响》2020.09.01
- 《表7 ResNet50的c4残差单元加入不同注意力机制的实验结果》2020.11.10
- 《表2 不同残差单元加入具有全局特征的空间注意力机制的二分类实验结果》2020.11.10
- 《表3 c3残差单元加入不同注意力机制的实验结果》2020.11.10
- 《表1 所有残差单元加入不同注意力机制的实验结果》2020.11.10
- 《表1 实验结果：残差网络与注意力机制结合的啰音检测方法》2021.02.28
- 《表1 实验结果：一种基于图注意力机制的气温预测模型》2020.06.13
- 《表2 实验结果：引入注意力机制的BiGRU-CNN情感分类模型》2020.08.01
- 《表7 多头注意力机制头数对分类结果的影响》2020.08.25
- 《表2 对比实验结果：融合位置注意力机制和改进BLSTM的食品评论情感分析》2020.01.10
- 《表3 加入注意力机制的对比实验结果(%)》2020.04.01
- 《表6 不使用注意力机制模型对照实验结果》2020.02.01
- 《表7 注意力机制模型对照实验结果》2020.02.01
- 《表2 实验结果HR对比：基于注意力机制的众包任务推荐算法》2020.01.25
- 《表4 对比实验2：不同的注意力模块对预测结果的影响（评测指标：MSE)》2020.02.01
- 《表4 注意力机制实验结果》2020.03.01
- 《表4 实验结果对比：基于卷积注意力机制的情感分类方法》2020.01.16
- 《表2 实验结果：融合多标签和双注意力机制的图像语义理解模型》2020.01.01
- 《表4 有监督注意力机制的实验结果》2020.01.01
- 《表5 实验对比结果：融合多层注意力机制与双向LSTM的语义关系抽取》2019.07.15