《表3 结合BN的CNN训练集部分迭代次数的损失函数值》

  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

《基于卷积神经网络的高分辨率雷达目标识别》

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2和表3分别列出了当采用本文提出的基本CNN架构时，记录的不结合BN算法和结合BN算法的训练集部分迭代次数的损失函数值.从中可以看出，对于本实验的小样本数据源，在整个训练过程中，同等实验条件下，未采用BN算法的CNN架构，在第140次迭代时，损失值为0.053 4，从该观测点往后才最终收敛于0.035 7.而采用BN算法的CNN架构在迭代到第90次时，损失函数值就降到了0.029 3，从该观测点往后，损失函数值趋于稳定，最终150次时，收敛于0.011 2.其收敛速度明显优于未加BN算法的情况.结果再次验证了，当处理小样本数据时，采用BN算法的CNN架构可以有效解决训练过程中损失函数收敛速度慢的问题.