《表4 多组样本情况下的训练耗时》
提示：宽带有限、当前游客访问压缩模式
对于5组样本，分别计算原始CNN算法和本文提出算法的训练时间。由表4可以看出，原来的CNN算法和本文提出的算法训练时间几乎是一样的，而差异在正常范围内可以忽略不计。
| 图表编号 | XD0064182100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.25 |
| 作者 | 曹军梅、秦婧文 |
| 绘制单位 | 延安大学计算机学院、延安大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 俯仰角差异条件下的训练与测试样本》2020.12.20
- 《表3 型号差异条件下的训练和测试样本》2020.07.25
- 《表6 俯仰角差异下的训练与测试样本》2020.07.25
- 《表4 不同时间步长下的输入训练集的样本尺寸》2020.07.01
- 《表5 不同样本下的查询操作耗时表》2020.04.01
- 《表5 不同样本下的查询操作耗时表》2020.04.01
- 《表1 标准操作条件下的训练与测试样本》2020.02.25
- 《表4 不同模型训练一个epoch的平均耗时对比》2020.01.01
- 《表1 不同训练/测试样本下的肺结节分类精度》2020.01.25
- 《表5 不同俯仰角下的训练样本与测试样本》2019.08.20
- 《表3 型号改变下的训练样本与测试样本》2019.08.20
- 《表3 多组样本情况下的识别率时》2019.06.25
- 《表5 俯仰角差异下的训练与测试样本》2019.05.01
- 《表1 不同训练样本条件下的分类准确率》2019.08.25
- 《表2 小波变换和本文算法在不同训练样本下的训练时间》2019.02.01
- 《表4 不同比例训练样本下的故障识别结果Tab.4 Fault recognition results with training samples of different proportions》2019.03.01
- 《表1 不同分块模式、训练样本下的识别率对比（单位：%）》2019.11.25
- 《表4 训练样本量差异下的模型识别效果(词频加权方式为TF时)》2019.11.25
- 《表3 3种不同情况下的训练样本分类》2019.11.28
- 《表2 不同训练样本下的随机森林分类精度》2019.11.25