《表2 不同网络深度的性能对比》
影响ICNN模型分类效果的参数包括网络深度、卷积核数目和卷积核大小等,其中网络深度直接影响网络对数据的拟合度,对分类效果影响最大,卷积核大小和卷积核数目次之[10]。网络深度越深,模型的提取特征能力越强,但训练时间也会相应变长,还可能导致过拟合。网络深度浅,虽然训练时间短,但是提取特征的能力较弱。因此实验选择Mlpconv的层数为3和4,Conv的层数选择1和2,分别进行组合,设计出4种网络深度进行训练,实验结果对比见表2。
图表编号 | XD0074405600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.16 |
作者 | 刘咏江、谢红薇、刘爱媛、张昊、强彦 |
绘制单位 | 太原理工大学信息与计算机学院、太原理工大学软件学院、山西大医院健康体检部、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院 |
更多格式 | 高清、无水印(增值服务) |