《表1 网络结构参数：基于卷积神经网络的数字分类器的研究与优化》
提示：宽带有限、当前游客访问压缩模式
本网络结构由7层构成，分别为输入层、卷积层1 (C1）、池化层2 (S2）、卷积层3 (C3）、池化层4 (S4）、卷积层5 (C5）、输出层。网络每层参数如表1所示。
| 图表编号 | XD0078708700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.15 |
| 作者 | 杜阔、李亚 |
| 绘制单位 | 天津科技大学、天津科技大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 采用全卷积神经网络与单一分类器的湿地分类精度》2020.12.01
- 《表1 卷积神经网络参数：基于卷积神经网络的蓖麻种子损伤分类研究》2020.11.18
- 《表2 实验参数设置：基于卷积神经网络和贝叶斯分类器的句子分类模型》2020.02.01
- 《表2 数字混淆矩阵：基于卷积神经网络的藏文手写数字和字母识别研究》2019.12.01
- 《表1 实验结果：基于卷积神经网络的藏文手写数字和字母识别研究》2019.12.01
- 《表1 飞机型号参数列表：飞机目标分类的深度卷积神经网络设计优化》2019.12.10
- 《表3 迁移学习共同参数：基于卷积神经网络车型分类的研究》2020.01.01
- 《表1 4 统计结果：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表2 原始卷积连接表：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表9 仿真对比结果：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表8 优化方案6：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表7 优化方案5：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表6 优化方案4：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表5 优化方案3：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表4 优化方案2：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表3 优化方案1：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表1 网络参数设置：基于卷积网络的交通标志分类研究》2019.05.25
- 《表1 网络参数设置：基于卷积网络的交通标志分类研究》2019.05.25
- 《表2 实验环境与配置：基于卷积神经网络的短文本分类研究》2019.03.25
- 《表1 实验结果：基于汇编指令词向量与卷积神经网络的恶意代码分类方法研究》2019.04.10