《表4 不同方法预测性能的比较》
模型参数采用随机梯度下降(Stochastic Gradient Descent,SGD)更新,并且与权重和偏置项一样,本文将数据集中的不同肺部病灶数据用随机向量初始化后作为模型的参数,随SGD过程的迭代而更新。嵌入大小为100,隐藏单元的大小为100,学习率为0.5。迭代每一个时间点中的所有训练事件,直到损失值收敛或达到最大的时间点数量。输出单元与最后一个时间步长相关,用softmax作为两个类别的概率输出,并采用dropout[24]防止过拟合。表4给出各种方法进行对比的结果。
图表编号 | XD0053256800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.15 |
作者 | 张娅楠、赵涓涓、赵鑫、张小龙、王三虎 |
绘制单位 | 太原理工大学计算机科学与技术学院、太原理工大学计算机科学与技术学院、太原理工大学计算机科学与技术学院、宾夕法尼亚州立大学信息科学与技术学院、吕梁学院计算机科学与技术系 |
更多格式 | 高清、无水印(增值服务) |