《表3 图像识别结果Tab.3 Results of image recognition》
2) 固定递归神经网络个数K2=30,变化C3层卷积核个数K3,从8以增量2变化到20,得到的识别结果如图5所示。由图5可见,当K3=12时错误率就降到了4.23%,比卷积神经网络的错误率降低了1.52%,由此可见,利用递归神经网络提取图像的多样性特征是有效的。C3层卷积核个数与训练时间关系如表5所示,当K3取8、10、12时相比表4训练时间明显缩短,说明引入递归神经网络后,不仅识别精度提高了,同时还加快了训练速度。随K3的增加,识别率上升,但同时训练的时间成本也越来越大。
图表编号 | XD006655800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.01 |
作者 | 任伟建、宋月、陈建玲、任璐、孙勤江 |
绘制单位 | 东北石油大学电气信息工程学院、东北石油大学黑龙江省网络化与智能控制重点实验室、东北石油大学电气信息工程学院、东北石油大学黑龙江省网络化与智能控制重点实验室、中海石油(中国)有限公司天津分公司渤海研究院、海洋石油工程股份有限公司设计公司、中海石油(中国)有限公司天津分公司 |
更多格式 | 高清、无水印(增值服务) |