《表7 不同激活函数对分类网络性能的影响》
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。
图表编号 | XD00222495200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 刘国华、周文斌 |
绘制单位 | 南开大学电子信息与光学工程学院、南开大学光电传感器与传感网络技术重点实验室、南开大学电子信息与光学工程学院、南开大学光电传感器与传感网络技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |