《表7 不同激活函数对分类网络性能的影响》

  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

《基于卷积神经网络的脉搏波时频域特征混叠分类》

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

本文设计的分类网络中，所用非线性激活函数均为Re LU函数，本文通过实验对不同非线性激活函数对网络的影响进行了分析，结果如表7所示，其中432组脉搏波数据被用来训练网络，144组被用来测试分类效果。同时，训练时间为迭代100次所需时间，迭代次数为网络收敛所需的迭代次数。从表7可以发现，基于Re LU函数的分类网络具有最高的识别准确率，同时训练时间和迭代次数也是最优的。可以解释为，Re LU的求导计算最为简单，因此网络系数更新最快。同时，Re LU函数在系数更新过程中不会出现梯度的消失等问题，因此需要的迭代次数最少，即网络收敛最快。