《表2 依次增加一类训练网络时间Tab.2 The time for training network》

《表2 依次增加一类训练网络时间Tab.2 The time for training network》   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
《基于增量学习的X射线安检系统检测算法研究》


  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

表2为训练原始7类、用本文算法依次用新增类进行训练、一次性用所有4类新增数据进行训练以及对所有11类联合训练所需时间.由表2可知:本文算法在依次添加1类，即新增类较少时，极大地缩短了训练时间，提高了训练效率，并且该情况在实际中更加具有实用性.此外，本文算法在新增类较少时比用所有11类数据联合训练所用时间短，也说明本文算法可以提高训练效率.另外，本文算法在新类上性能的下降可能是由于增量网络只在包含新类的几百张图上进行了训练，新类分类器没有获得足够的信息，未来的工作是通过增加新类样本来解决该问题.

图表编号XD0029353300    严禁用于非法目的
绘制时间2019.02.28
作者田敏皓、陈平
绘制单位中北大学信息探测与处理山西省重点实验室、中北大学信息探测与处理山西省重点实验室
更多格式高清、无水印（增值服务）

相关图表

  1. 《表3 增加连接的时间间隔对网络的影响Tab.3 Impact of the increasing connections interval on network》2019.03.28
  2. 《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
  3. 《表1 神经网络温度训练数据Tab.1 Temperature training data of neural network》2019.01.01
  4. 《表2 3种模型的训练与测试结果Tab.2 The training and test results of the above three models》2019.01.25
  5. 《表2 海试施工的各工序安装时间Tab.2 Installing time for each process of the sea trial》2019.01.30
  6. 《表2 车内站席密度评价标准Tab.2 Evaluation standard for the density of the inner train seats》2019.04.18
  7. 《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
  8. 《表1 网络训练参数Tab.1 Network training parameters》2019.01.01
  9. 《表4 神经网络算法训练时间Tab.4 Training time of neural network algorithms》2019.02.10
  10. 《表2 故障数据训练集Tab.2 Fault data set for training》2019.01.25
  11. 《表6 不同卷积核数量对应的训练时间Tab.6 Training time with different number of kernels》2019.01.01
  12. 《表2 不同训练算法的网络性能Tab.2 Network performance of different training algorithms》2018.06.20
  13. 《表5 神经网络的训练误差及迭代次数Table 5 Neural network training error and iterations》2018.02.25
  14. 《表1 2 网络训练误差计算结果Table 12 Calculation results of network training error》2018.02.25
  15. 《表4 FNRRWN-I和FNRRWN-II的训练和测试时间Tab.4 Training and testing times for FNRRWN-Iand FNRRWN-II》2018.01.25
  16. 《表4 PSO-SVM方法与本文方法训练时间对比Tab.4 PSO-SVM method and the training time of this method》2018.03.10
  17. 《表2 不同训练数据长度预测均值和误差值Tab.2 Prediction mean and error value for different training data lengths》2018.11.30
  18. 《表2 各区居民前往旅游景点时间参数Tab.2 Time parameters for residents to visit the tourist attractions》2018.11.01
  19. 《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
  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 组合权向量计算：基于公开信息的企业涉嫌非法集资特征指标体系构建与协同治理》 《表3 两组患者随访资料与比较》 《表7 不同培养基对姬秋丽丛生芽增殖情况的影响》 《表1 广西高职院校“双师型”教师等级分布情况表》 《表基于商品本身的网购退货原因统计表》 《表1：Ⅰ类切口手术预防性使用抗菌药物合理性评价标准》 《表1 弹簧力：欠压脱扣器电磁性能分析及优化》 《表2 变量的统计描述：产业结构升级与就业增长——基于西部地区12个省区市面板数据的实证检验》 《表1 K指数、SI指数、CAPE指数、SSI指数的统计结果》 《表1 融资融券标的调整明细》