《表4 不同方法预测性能的比较》

  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

《多模态融合下长时程肺部病灶良恶性预测方法》

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

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。