《表4 RNN分类混淆矩阵》

  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ABC-RNN算法的机器嗅觉系统》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。