知识卡片
性能概括必须逐表核对
本节结论称两个深度网络都优于 LibSVM,但 Waveform 表中 LibSVM 总体正确率87.16%,高于自编码86.76%与小波86.16%。Image 表中小波92.43%也低于自编码93.00%,且训练耗时远高于 LibSVM。算法优势应限定到数据集、指标和成本,不能用少数成功或整体叙述替代反例。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 2 2 . 2 . 4 实 验 与 分 析 · 查看原书依据
▼表22.4 混沌模拟退火深度网络分类性能统计(一) ▼表22.5 混沌模拟退火深度网络分类性能统计(二) ▼表22.6 混沌模拟退火深度网络分类性能统计(三) 从表22.4~表22.6可以看出,混沌模拟退火自编码网络和混沌模拟退火深度小波网络的分类精度都比LibSVM方法的分类精度高,尤其是混沌模拟退火深度小波网络,由于小波能量层的引入,使得分类精度较LibSVM的结果能提高3~5个百分点。
参考来源
- 位置:《智能算法导论》第219项《2 2 . 2 . 4 实 验 与 分 析》(源文件:`_epub-src/EPUB/xhtml/chapter22_0010.xhtml`)
- 结论依据:表22.4–22.6直接显示原文概括的反例;SAR表也有逐类权衡,已有训练测试重叠限制继续保留。
- 原始内容:从表22.4~表22.6可以看出,混沌模拟退火自编码网络和混沌模拟退火深度小波网络的分类精度都比LibSVM方法的分类精度高……提高3~5个百分点。