This step focuses on the minimizati

This step focuses on the minimization of the fully-connected layer size. Starting from 512 neurons in the CNN B, we have reduced the number of neurons by a factor of 2 until only 2 neurons are left in the CNN L (see Table 3). We also evaluate the performance of the CNN M where there is no fully-connected layer at all (in this case, the outputs of the last convolutional layer are directly connected with 2 neurons of the Softmax layer). The obtained results are presented in Fig. 4.
This time, the difference between CNNs is less significant than in the 2 first optimization steps. Apparently, the size of the fullyconnected layer is less influential on the final accuracy than the number and the width of the convolutional layers.
However, we can observe that CNNs B, E–I reach the selection threshold of 97.5% classification accuracy with respect to standard deviations, while the performances of the CNNs J–M are below the selection threshold on the validation set. Hence, the CNN I is selected after the last optimization step.

ผลลัพธ์ (ไทย) 2:

ขั้นตอนนี้จะมุ่งเน้นไปที่การลดขนาดของชั้นที่เชื่อมต่ออย่างเต็มที่ เริ่มต้นที่ 512 เซลล์ประสาทในซีเอ็นเอ็นบีเราได้ลดจำนวนของเซลล์ประสาทโดยปัจจัยที่ 2 จนกว่าจะมีเพียง 2 เซลล์ประสาทที่เหลือในซีเอ็นเอ็น L (ดูตารางที่ 3) นอกจากนี้เรายังประเมินผลงานของซีเอ็นเอ็นเอ็มที่ไม่มีชั้นอย่างเต็มที่ที่เชื่อมต่อที่ทุกคน (ในกรณีนี้ผลของชั้นความสับสนที่ผ่านมามีการเชื่อมต่อโดยตรงกับเซลล์ประสาท 2 ของชั้น Softmax) ผลที่ได้จะถูกนำเสนอในรูป 4.
เวลานี้ความแตกต่างระหว่าง CNNs เป็นสำคัญน้อยกว่าในขั้นตอนที่ 2 การเพิ่มประสิทธิภาพแรก เห็นได้ชัดว่าขนาดของชั้น fullyconnected เป็นผู้มีอิทธิพลน้อยลงในความถูกต้องสุดท้ายกว่าจำนวนและความกว้างของชั้นความสับสนได้.
แต่เราสามารถสังเกตว่า CNNs B, E-I ถึงเกณฑ์การเลือกความถูกต้องจำแนก 97.5% ด้วยความเคารพ ค่าเบี่ยงเบนมาตรฐานในขณะที่การแสดงของ CNNs J-M เป็นต่ำกว่าเกณฑ์การคัดเลือกในชุดการตรวจสอบ ดังนั้นซีเอ็นเอ็นฉันเลือกหลังจากขั้นตอนการเพิ่มประสิทธิภาพที่ผ่านมา

ผลลัพธ์ (ไทย) 3:

ขั้นตอนนี้จะเน้นที่การเชื่อมต่อเต็มชั้นขนาด เริ่มจาก 512 เซลล์ประสาทในซีเอ็นเอ็น บี เราได้ลดจำนวนเซลล์ประสาทโดยปัจจัย 2 จนเหลือเพียง 2 เซลล์ประสาทในซีเอ็นเอ็น L ( ดูตารางที่ 3 ) เรายังประเมินประสิทธิภาพของซีเอ็นเอ็นที่ไม่มีเต็มเชื่อมต่อชั้นทั้งหมด ( ในกรณีนี้ผลของชั้นคอนสุดท้ายที่เชื่อมต่อโดยตรงกับเซลล์ประสาทของ softmax 2 ชั้น ) ผลจะแสดงในรูปที่ 4
เวลานี้ ความแตกต่างระหว่าง cnns อย่างมีนัยสำคัญน้อยกว่าใน 2 ครั้งแรก เพิ่มประสิทธิภาพของขั้นตอน เห็นได้ชัดว่าขนาดของ fullyconnected ชั้นมีอิทธิพลน้อยลงในความถูกต้อง สุดท้ายกว่าจำนวนและความกว้างของชั้นคอน .
แต่เราสามารถสังเกตที่ cnns B , E - ฉันถึงเลือกเกณฑ์ของ 97.5 % ความแม่นยำในการจำแนกส่วนเบี่ยงเบนมาตรฐาน ส่วนการแสดงของ cnns J - M อยู่ด้านล่างการเลือกเกณฑ์ในการตั้ง ดังนั้นซีเอ็นเอ็นผมเลือกหลังจากการเพิ่มประสิทธิภาพขั้นตอนสุดท้าย