《表1 卷积神经网络与其他算法比较》
提示：宽带有限、当前游客访问压缩模式
卷积神经网络结构的有效性和优越性将在对比实验中得到体现，如表1所示.利用测试样本，把经典识别方法与该结构（C1层6个，C3层10个，学习率为1.7%）进行比较.
| 图表编号 | XD0043912200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.01 |
| 作者 | 高薇、曾健民 |
| 绘制单位 | 闽南理工学院信息管理学院、闽南理工学院信息管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 多模态健康数据：基于卷积与BP神经网络的健康数据分析算法设计》2020.12.05
- 《表3 各算法与卷积拉普拉斯阶梯网络在MNIST数据集上的性能比较》2020.05.01
- 《表5 20-40-3000的卷积神经网络模型与其他算法比较》2020.06.20
- 《表5 各个卷积神经网络算法比较》2020.02.25
- 《表1 不同卷积层的比较：基于卷积神经网络的立体匹配算法》2019.12.25
- 《表4 基于卷积神经网络的果实识别算法比较》2019.09.01
- 《表1 基于卷积神经网络的超分辨率算法比较》2019.11.01
- 《表1 各分类算法的比较：基于卷积神经网络的先心病心音信号分类算法》2019.10.25
- 《表4 与其他模型对比：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表4 与其他模型对比：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表6 其他算法实验结果：基于卷积神经网络的高分辨率雷达目标识别》2019.08.25
- 《表2 与其他卷积神经网络的对比（图像分类错误率）》2019.08.15
- 《表8 使用299×299像素图像本文网络与其他卷积神经网络分类性能的对比》2019.01.10
- 《表7 使用384×384像素图像本文网络与其他卷积神经网络分类性能的对比》2019.01.10
- 《表6 本文网络与其他卷积神经网络的F-Measure比较》2019.01.10
- 《表5 本文网络与其他卷积神经网络的比较》2019.01.10
- 《表4 其他算法效果对比：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《表1 传统目标跟踪与卷积神经跟踪算法比较》2018.03.01
- 《表1 跟踪速度的比较：基于卷积神经网络的实时跟踪算法》2018.05.20
- 《表1 卷积神经网络与DDSFL、Nus-psl、LRR算法实验对比》2019.12.16