《表2 不同卷积核大小对比》

  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

《基于深度卷积神经网络的剪切波分裂质量检测》

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

卷积核大小的选择对于神经网络能否学习正确的特征至关重要。本文尝试在深度神经网络中使用不同大小的卷积核，包括1×3、1×5、1×7以及这几种大小的组合，经过相同的训练测试后发现最佳模型的准确率均在99%±0.5%的范围内，虽然1×5和1×7的模型损失函数值会更早地收敛到较小值，但3种模型训练均在200次迭代后获得最佳模型（图5）。大小为1×3的卷积核在前9层卷积层的最大感受野（receptive field）只对应原始序列上19个采样点（表2），但剪切波分裂过程主要是二分量波形之间的操作运算，较小尺度的特征也可以用来学习这一过程，获得较高的准确率。而且使用较小的卷积核，需要训练的参数较少，神经网络训练以及测试的速度也越快，因此本文对每个卷积层均采用了1×3的卷积核大小。