Fig.2 shows the relative betweenite

Fig.2 shows the relative between
iterations and loss function at different rate.

The method of adaptive rate can quickly reduce the loss function value under 1.0 after 20 iterations.

Provided much more samples and deeper layers, the ADCNN could have larger advantage than other models

ผลลัพธ์ (ไทย) 1:

Fig.2 แสดงสัมพันธ์ระหว่างวนซ้ำและสูญเสียฟังก์ชันที่แตกต่างกัน วิธีการปรับราคาอย่างรวดเร็วสามารถลดค่าสูญเสียฟังก์ชันภายใต้ 1.0 หลังจากวนซ้ำ 20 มีตัวอย่างมากและชั้นลึก ADCNN มีประโยชน์ที่ใหญ่กว่ารุ่นอื่น ๆ

ผลลัพธ์ (ไทย) 2:

รูปที่ 2 แสดงให้เห็นญาติระหว่าง
การทำซ้ำและฟังก์ชั่นการสูญเสียในอัตราที่แตกต่างกัน.

วิธีการของอัตราการปรับตัวได้อย่างรวดเร็วสามารถลดค่าฟังก์ชั่นการสูญเสียที่อยู่ภายใต้ 1.0 หลังจาก 20 ซ้ำ.

ตัวอย่างให้มากขึ้นและชั้นลึกที่ ADCNN อาจจะมีข้อได้เปรียบที่มีขนาดใหญ่กว่ารุ่นอื่น ๆ

ผลลัพธ์ (ไทย) 3:

fig.2 แสดงความสัมพันธ์ระหว่างการทำซ้ำและฟังก์ชันการสูญเสียในอัตราที่แตกต่างกันวิธีอัตราการปรับตัวได้อย่างรวดเร็ว สามารถลดการสูญเสียฟังก์ชันค่าภายใต้ 1.0 20 รอบหลังให้มากขึ้นตัวอย่างและชั้นลึก , adcnn สามารถมีข้อได้เปรียบที่มีขนาดใหญ่กว่ารุ่นอื่น ๆ