《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》

  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

《三种用于加工特征识别的神经网络方法综述》

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

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。