《表2 实验结果：基于无监督特征选择和卷积神经网络的图像识别算法》
提示：宽带有限、当前游客访问压缩模式
基于无监督特征学习和卷积神经网络在MNIST数据集上进行测试，硬件采用酷睿i7处理器，16G内存，程序采用MATLAB7.0，实验结果如表2所示.
| 图表编号 | XD007309200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.10.25 |
| 作者 | 万萌、冯新玲 |
| 绘制单位 | 郑州工业应用技术学院信息工程学院、郑州工业应用技术学院信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验结果对比：基于卷积神经网络的电力杆塔图像智能识别算法研究》2020.09.25
- 《表2 数据集描述：稀疏回归和流形学习的无监督特征选择算法》2020.09.05
- 《表4 对比实验结果：基于卷积神经网络的商品图像识别》2020.12.10
- 《表1 对比表：基于卷积神经网络的电力杆塔图像识别学习算法研究》2020.06.25
- 《表1 特征提取：基于卷积神经网络的煤矸石图像识别》2020.07.25
- 《表4 输出：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表5 判别器参数表：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表3 卷积层3：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表2 卷积层2：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表1 卷积层1：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表2 实验数据组成：基于卷积神经网络的无人机图像模糊类型识别》2020.02.01
- 《表1 对比实验结果：基于组合色彩空间和卷积神经网络的手势识别算法》2019.10.15
- 《表2 实验参数：基于高光谱图像和卷积神经网络的燃煤热值估计算法》2019.09.05
- 《表6 其他算法实验结果：基于卷积神经网络的高分辨率雷达目标识别》2019.08.25
- 《表1 实验结果：基于改进卷积神经网络的人脸识别算法》2019.07.31
- 《表1 识别算法结果对照：基于卷积神经网络的水稻纹枯病图像识别》2019.01.10
- 《表1 水稻病害特征描述：基于深度卷积神经网络的水稻病害图像识别研究》2019.03.01
- 《表1 数据集说明：基于弹性网回归的水下目标无监督特征选择算法》2018.06.01
- 《表2 最优参数：基于弹性网回归的水下目标无监督特征选择算法》2018.06.01
- 《表1 实验参数设置：基于无监督特征选择和卷积神经网络的图像识别算法》2018.10.25