《表4 整体分类识别率和标准差对比》
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
《基于改进深度学习模型C-NTM的脑电鲁棒特征学习》
在实验的第3部分,为了验证改进的先进性,分别采用平均识别率和Kappa系数作为评价指标,将C-NTM同目前在该数据集上表现效果最好的C-LSTM/1D-Conv网络[14]进行对比,此外分别采用C-SAE[15]、C-RNN、C-GRU这3种改进型深度学习混合模型在该数据集上完成相应的对比实验,其中C-SAE网络采用文献[15]的结构和参数配置,C-RNN和C-GRU为本文设计的对比混合模型,其中的CNN网络采用表1所示的VGG结构和网络配置,RNN和GRU网络采用和本文所提出的C-NTM网络中的NTM结构相同的层数和结构配置。在工作记忆试验中所有受试者上的整体平均识别率实验结果如表4所示,在工作记忆试验分类任务中各个对比模型的Kappa系数的实验结果如表5所示。
图表编号 | XD0064252500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.05 |
作者 | 毕晓君、乔伟征 |
绘制单位 | 中央民族大学信息工程学院、哈尔滨工程大学信息与通信工程学院、哈尔滨工程大学信息与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |