《表4 RNN分类混淆矩阵》
我们同时使用传统RNN网络和LSTM网络对甜橙样本进行训练。ABC-RNN,RNN和LSTM训练过程中的损失函数变化曲线如图4(b)所示。从图4(b)中可以看出:相较于传统RNN和LSTM网络而言,ABC-RNN的初始损失函数值较低,损失函数变化曲线下降速度更快,变化趋势更为平滑。因此ABC-RNN可以快速达到预期训练效果。表2~4展示了三种网络在测试集上的甜橙产地分类混淆矩阵。混淆矩阵展示的是一个分类器对于多分类的混淆程度,从混淆矩阵中可以看出,ABC-RNN分类混淆矩阵的正对角线的数字相比于LSTM和传统RNN混淆矩阵的正对角线数字更大,这说明ABC-RNN的分类准确率更高,其中ABC-RNN的分类准确率达到了96%,而LSTM和传统RNN的准确率分别为94%和91%。LSTM和ABC-RNN的识别精度相似,但LSTM的结构更为复杂;而相较于传统RNN而言,ABC-RNN的表现更加优秀。
图表编号 | XD0077700500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.24 |
作者 | 朱煜枫、王宁诚、许磊、吴枫 |
绘制单位 | 中国科学技术大学微电子学院、中国科学技术大学信息科学技术学院、中国科学技术大学微电子学院、中国科学技术大学信息科学技术学院 |
更多格式 | 高清、无水印(增值服务) |