《表3 几种神经网络的性能比s较》
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Dropout深度卷积神经网络的ST段波形分类算法》
在完整深度卷积神经网络中引入Dropout的一个重要出发点是提高神经网络的泛化能力,降低算法的过拟合效应。本文针对选取的心电信号数据ST段波形分别采用典型BP神经网络、循环神经网络RNN、DCNN和Dropout DCNN等4种神经网络算法进行样本训练和测试样本波形识别,其中DCNN和Dropout DCNN神经网络都采用6层结构和相同的卷积核,同时,Dropout DCNN在池化层S'1和S'2以概率P对每个神经元进行激化操作,从而减少了卷积核个数。实验结果如表3所示。
图表编号 | XD007546100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.01 |
作者 | 任晓霞 |
绘制单位 | 张家口学院数学与信息科学学院 |
更多格式 | 高清、无水印(增值服务) |