《表2 Ling-Spam数据库下ECBONN*和ECBONN的对比》

  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

《增强碰撞体算法优化的自编码神经网络》

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

首先实验中，为了证明每次对自编码寻参后就去对softmax寻参比[1]中所用先确定自编码参数然后再去对softmax求参的效果好，在实验开始对iris和Ling-Spam进行测试.ECBONN*代表[1]中类似的做法，ECBONN代表本文的方法，在两个数据库中的结果如表2所示:数据是在Ling-Spam数据库中各自运行100次然后取平均值，参数pro都是取值0.35，η取值10-11，隐藏层神经元个数取10，碰撞体个数取10.μ取值为1迭代次数为200次，碰撞体对自编码权值求参时碰撞体的初始位置范围时[45，-45]，碰撞体对softmax求参时碰撞体的初始位置范围是[4，-4]，λ取值2*10-4.实验结果中发现本文中所采取方法能取得更好的效果，并且更稳定.而ECBONN*在运行100次中还存在不稳定的情况有时候会求参较差（出现效果差或者不学习的情况）.