《表2 小规模卷积神经网络55种构造环境组合的训练和测试分类准确度结果》

  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

《基于卷积神经网络和火山岩大数据的构造源区判别》

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

将11种构造环境数据，每两种一组，构成55个数据对，分别进行分类训练，共训练55个神经网络分类模型。目的在于单独判断55个构造对是否可以通过神经网络的方式进行有效分类，不能有效分类的则说明该构造对中两种构造环境产出的火山岩样品化学组成可能存在一定相似性。由于每种构造环境中数据量差异极大，为了使得训练过程不受到样品数量多少的影响，本文按照数据量较小的构造环境样本数的75%进行随机抽样，构建训练数据集，将抽样剩下的部分用来构建测试数据集。本文首先尝试用较少的参数构造神经网络模型，其中的卷积层由40个2×2的卷积核构成。通过充分训练，直到预测精度达到稳定为止。图3分别显示了训练数据预测准确度矩阵和测试数据预测准确度矩阵，具体数据见表2。