《表2 不同训练算法的网络性能Tab.2 Network performance of different training algorithms》

《表2 不同训练算法的网络性能Tab.2 Network performance of different training algorithms》   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
《神经网络在女子服装号型分类中的应用》


  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

采用MATLAB软件自带的神经网络工具箱建立和训练网络.其中，训练样本参照1.3.1小节产生的29个规格共750个数据.为比较训练算法对网络性能的影响，分别选择不同的训练算法对相同网络结构和传递函数条件下的网络进行训练.4种训练算法分别为标准梯度下降算法、弹性梯度下降法、共轭梯度法、一步正割法.两层BP网络结构参数分别为输入节点数6，隐层、输出层的神经元分别为80和29，隐层和输出层传递函数均为logsig，终止训练条件为迭代5 000次或性能指数小于等于10-4.每种训练算法均执行10次，记录训练时间、性能指数、分类正确率并取平均值，结果如表2所示.

图表编号XD0026352900    严禁用于非法目的
绘制时间2018.06.20
作者袁惠芬、吴锋、孙莉
绘制单位安徽工程大学纺织服装学院、江苏卡思迪莱服饰有限公司、安徽工程大学纺织服装学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表1 不同网络深度对去噪网络性能的影响Tab.1 The influence of different network depth on the performance of denoising network》2019.01.01
  2. 《表6 不同网络结构性能比较Tab.6 Performance comparison of different network structures》2019.01.01
  3. 《表2 种子结构预训练对网络的影响Tab.2 Impact of seed structure pre-training on the network》2019.03.28
  4. 《表1 神经网络温度训练数据Tab.1 Temperature training data of neural network》2019.01.01
  5. 《表2 不同算法性能比较Tab.2 Performance comparison of different algorithms》2019.01.10
  6. 《表2 网络预训练与直接训练结果对比Tab.2 The comparison between network pre-training and direct training results》2019.01.01
  7. 《表4 神经网络算法训练时间Tab.4 Training time of neural network algorithms》2019.02.10
  8. 《表2 依次增加一类训练网络时间Tab.2 The time for training network》2019.02.28
  9. 《表3 不同网络结构的网络性能Tab.3 Network performance of different structures》2018.06.20
  10. 《表4 不同训练比例下性能比较Tab.4 Performance comparison of different training rations》2018.10.25
  11. 《表1 2 网络训练误差计算结果Table 12 Calculation results of network training error》2018.02.25
  12. 《表2 不同网络路由消耗对比Tab.2 Comparison of different network routing consumption》2018.01.01
  13. 《表2 不同训练样本数量和不同映射模型的色差测量结果Tab.2 Results of color difference with different training samples and different models》2018.08.15
  14. 《表2 3种组网方式仿真下的网络性能比较Tab.2 Comparison of network performance under the simulation of three networking modes》2018.05.01
  15. 《表2 不同层级网络属性特征统计Tab.2 Statistical characteristics of network attributes at different levels》2018.08.25
  16. 《表3 10节点网络不同负载下的网络性能Table 3 Network performance under different load of 10 nodes network》2018.02.05
  17. 《表2 32节点网络不同负载下的网络性能Table 2 Network performance under different load of 32 nodes network》2018.02.05
  18. 《表4 递归神经网络个数对训练时间的影响Tab.4 Effect of recursive neural network number on training time》2018.05.01
  19. 《表2 不同压缩感知算法的定位性能比较Tab.2 Positioning performance of the different compressed sensing algorithms》2018.12.01
  20. 《表3 网络训练结果Tab.3 The training results of neural network》2018.09.20

随机翻阅

《表1 长白山森林通量站2003～2007年NEE年均及季节均值》 《表3 料液比对提取率的影响结果（n=3)》 《表5 焊接工艺参数：中国创新指数空间分布的特征研究——基于2001—2016年八个创新区》 《表2 被引频次前5的作者》 《表5：再沸器特殊结构分析计算及讨论》 《表3 Uu在浮游状态与生物被膜状态下的耐药率》 《表2 2015年陇南市各县可持续发展能力指标统计数据》 《表3 系统适用性对照品的pI及电荷变异体区的相对百分质量 (n=662) Tab.3 pI and relative percentage contonts in charge variant regions of the system s》 《表2 静态环境下收敛速度统计图Tab.2 Convergence speed statistics in static environment》 《表2 复飞限重计算软件基本设置》