《表1 卷积神经网络结构：基于高光谱图像和卷积神经网络的燃煤热值估计算法》
提示：宽带有限、当前游客访问压缩模式
搭建7层的卷积神经网络，层结构如表1所示，激活函数选择线性整流函数(rectified linearunit，Relu）函数，表达式为
| 图表编号 | XD0098135600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.05 |
| 作者 | 杨明花、张克涵 |
| 绘制单位 | 浙江浙能温州发电有限公司、西北工业大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验结果对比：基于卷积神经网络的电力杆塔图像智能识别算法研究》2020.09.25
- 《表4 卷积神经网络结构：基于流形光谱降维和深度学习的高光谱影像分类》2020.03.01
- 《表2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表1 对比表：基于卷积神经网络的电力杆塔图像识别学习算法研究》2020.06.25
- 《表1 网络模型结构参数：基于深度哈希卷积神经网络的医学图像检索》2020.08.15
- 《表3 卷积层3：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表2 卷积层2：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表1 卷积层1：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表4 输出：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表3 SfM重建效果：基于卷积神经网络的局部图像特征描述符算法》2020.02.25
- 《表1 网络参数配置：静态图像中采用混合卷积结构进行人群密度估计》2020.03.01
- 《表4 测试图像基于卷积-空洞卷积网络结构的密度图和计数结果》2019.11.20
- 《表2 实验参数：基于高光谱图像和卷积神经网络的燃煤热值估计算法》2019.09.05
- 《表4 分类精度评价：基于改进的三维卷积神经网络的高光谱遥感影像分类技术研究》2019.06.10
- 《表2 分类精度评价：基于改进的三维卷积神经网络的高光谱遥感影像分类技术研究》2019.06.10
- 《表1 模型评估结果：基于深度卷积神经网络的小麦赤霉病高光谱病症点分类方法》2019.02.25
- 《表1 识别算法结果对照：基于卷积神经网络的水稻纹枯病图像识别》2019.01.10
- 《表1 网络结构：基于卷积神经网络实现指纹图像的配准》2018.12.01
- 《表2 实验结果：基于无监督特征选择和卷积神经网络的图像识别算法》2018.10.25
- 《表1 实验参数设置：基于无监督特征选择和卷积神经网络的图像识别算法》2018.10.25