《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》

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

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。