《表2 四层神经网络构造:三种用于加工特征识别的神经网络方法综述》
表1和表2分别列举了加工特征识别常用的两种MLP网络结构,即三层MLP和四层MLP。其中三层MLP各层的神经元个数分别为n1-p1-q1,四层MLP各层的神经元个数为n1-p1-p2-q1,表中的参数个数是指对一个样本执行前馈计算时的计算参数量。通过两表可得以下规律:(1)对于三层MLP,p1与n1无绝对的大小关系,通常p1∈[n1,2n1];(2)四层MLP中,一般选择p1=p2,其目的是简化神经网络计算;(3)对比文献[56]和文献[47]可知,在n1与q1基本保持不变的情况下,将一个隐藏层分解为两个隐藏层可以显著减少参数个数;(4)三层MLP的时间复杂性可表示为O n(1p1+p1q1+p1+q1),分别改变n1和p1时,时间复杂度的变化分别为OΔ(n1p1)和OΔp1n (1+q1+)(1),显然隐藏层神经元个数的变化对时间复杂度的影响较大。
图表编号 | XD0089271700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.25 |
作者 | 石叶楠、郑国磊 |
绘制单位 | 北京航空航天大学机械工程及自动化学院、北京航空航天大学机械工程及自动化学院 |
更多格式 | 高清、无水印(增值服务) |