當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

3层、5层、3层一个卷积核BP神经网络性能比较

發布時間：2025/4/5 编程问答 30 豆豆

生活随笔收集整理的這篇文章主要介紹了 3层、5层、3层一个卷积核BP神经网络性能比较小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

3層網絡的結構是

d2（mnist 0,1）-49-30-2-（2*k） ,k∈(0,1)

分類mnist的0和1，三層的節點數分別是49，30，2激活函數用sigmoid。讓0向1，0收斂讓1向0，1收斂。

5層網絡的結構是

d2（mnist 0,1）-81-30-49-30-2-（2*k） ,k∈(0,1)

分類mnist的0和1，五層的節點數分別是81，30，49，30，2激活函數用sigmoid。讓0向1，0收斂讓1向0，1收斂。

3層一個卷積核的網絡的結構是

d2（mnist 0,1）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)

分類mnist的0和1，輸入9*9的圖片經過一個3*3的卷積核尺寸變成7*7，隱藏層30個節點輸出層2個節點。激活函數用sigmoid。讓0向1，0收斂讓1向0，1收斂。

具體進樣順序

d2（mnist 0,1）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)

對應的網絡結構

這個網絡的收斂標準是

if (Math.abs(f2[0]-y[0])< δ? &&? Math.abs(f2[1]-y[1])< δ?? )

具體進樣順序	?	?	?
δ=0.5	迭代次數	?	?
minst 0-1	1	判斷是否達到收斂
minst 1-1	2	判斷是否達到收斂
梯度下降	?	?	?
minst 0-2	3	判斷是否達到收斂
minst 1-2	4	判斷是否達到收斂
……	?	?	?
minst 0-4999	9997	判斷是否達到收斂
minst 1-4999	9998	判斷是否達到收斂
梯度下降	?	?	?
……	?	?	?
如果4999圖片內沒有達到收斂標準再次從頭循環
minst 0-1	9999	判斷是否達到收斂
minst 1-1	10000	判斷是否達到收斂
……	?	?	?
每當網路達到收斂標準記錄迭代次數和對應的準確率測試結果
將這一過程重復199次		?	?
δ=0.01	?	?	?
……	?	?	?
δ=1e-6	?	?	?

對應每個收斂標準都要收斂199次取平均值，記錄199次的最大值，嘗試了從0.5到1e-6共34個收斂標準，所以對應每個網絡需收斂199*34次。

通過比較平均準確率，最大準確率，迭代次數，收斂時間比較三個網絡的性能

?	3層	5層	3層1個卷積核	?	?	3層	5層	3層1個卷積核
δ	平均準確率p-ave	平均準確率p-ave	平均準確率p-ave		δ	最大值p-max	最大值p-max	最大值p-max
0.5	0.556121031	0.502438908	0.517770888	?	0.5	0.941371158	0.810874704	0.867612293
0.4	0.985338038	0.906190527	0.75949725	?	0.4	0.992434988	0.997163121	0.996690307
0.3	0.988685746	0.99093339	0.914275871	?	0.3	0.991489362	0.99858156	0.998108747
0.2	0.988645355	0.996196111	0.944265061	?	0.2	0.990543735	0.999054374	0.998108747
0.1	0.987623698	0.996065434	0.953538377	?	0.1	0.990543735	0.999054374	0.997635934
0.01	0.989999644	0.995502334	0.928536298	?	0.01	0.991489362	0.999054374	0.998108747
0.001	0.968157573	0.989992516	0.907932095	?	0.001	0.992907801	1	0.99858156
9.00E-04	0.968585243	0.991353933	0.890459389	?	9.00E-04	0.992907801	1	0.99858156
8.00E-04	0.972377253	0.989754921	0.901728501	?	8.00E-04	0.992907801	0.999527187	0.998108747
7.00E-04	0.978036756	0.990120817	0.897024128	?	7.00E-04	0.992907801	1	0.997635934
6.00E-04	0.985468715	0.99272723	0.898440191	?	6.00E-04	0.993380615	0.999527187	0.999527187
5.00E-04	0.991769723	0.991821994	0.881307245	?	5.00E-04	0.992907801	0.999527187	0.998108747
4.00E-04	0.992444492	0.994896468	0.872397448	?	4.00E-04	0.993380615	0.999527187	0.998108747
3.00E-04	0.992969576	0.995005762	0.884989962	?	3.00E-04	0.994799054	0.999527187	0.999054374
2.00E-04	0.994399895	0.994136165	0.887848225	?	2.00E-04	0.994799054	0.998108747	0.998108747
1.00E-04	0.993960346	0.991389572	0.847616332	?	1.00E-04	0.994799054	1	0.999054374
9.00E-05	0.993421006	0.993760766	0.870898226	?	9.00E-05	0.994799054	0.999527187	0.99858156
8.00E-05	0.993409126	0.994818062	0.846815638	?	8.00E-05	0.994799054	0.999527187	0.999527187
7.00E-05	0.993663352	0.996609525	0.858384119	?	7.00E-05	0.994799054	0.999527187	0.99858156
6.00E-05	0.99426209	0.996367179	0.822433681	?	6.00E-05	0.994799054	0.999527187	0.999054374
5.00E-05	0.994269218	0.992064341	0.812162467	?	5.00E-05	0.994799054	0.999527187	0.99858156
4.00E-05	0.99394609	0.988716633	0.833256115	?	4.00E-05	0.994799054	0.999054374	0.999527187
3.00E-05	0.993435262	0.987889804	0.860681659	?	3.00E-05	0.993853428	0.997163121	0.999054374
2.00E-05	0.993437638	0.990051915	0.861140216	?	2.00E-05	0.994326241	0.996690307	0.999054374
1.00E-05	0.994366632	0.989160935	0.868161137	?	1.00E-05	0.995271868	0.994326241	0.998108747
9.00E-06	0.994266842	0.989065897	0.856100835	?	9.00E-06	0.994799054	0.992907801	0.999054374
8.00E-06	0.993960346	0.989201326	0.856908657	?	8.00E-06	0.995271868	0.992434988	0.999054374
7.00E-06	0.993810661	0.989217957	0.851536643	?	7.00E-06	0.994799054	0.992907801	0.999054374
6.00E-06	0.994031624	0.989120544	0.835860152	?	6.00E-06	0.994799054	0.992434988	0.999527187
5.00E-06	0.994314361	0.988958979	0.839217363	?	5.00E-06	0.994799054	0.992907801	0.999527187
4.00E-06	0.993972225	0.988844934	0.82416337	?	4.00E-06	0.994799054	0.994799054	0.999054374
3.00E-06	0.993385367	0.989270228	0.84103021	?	3.00E-06	0.993853428	0.994799054	0.999054374
2.00E-06	0.993836796	0.99128503	0.857692719	?	2.00E-06	0.993853428	0.998108747	0.999054374
1.00E-06	0.993896195	0.991068819	0.887536976	?	1.00E-06	0.994326241	0.99858156	0.999054374

199次平均準確率p-ave

δ=1e-6	3層	>	5層	>	3層1個卷積核
?	1.11983638	?	1.116650738	?	1

也就是49-30-2的網絡結構上加一個3*3的核導致平均性能下降，

在49-30-2的結構上加兩層81*30也會導致平均性能下降，但要好于加卷積核。

199次的最大準確率p-max

δ=1e-6	3層1個卷積核	>	5層	>	3層
?	1.004755112	?	1.0042796	?	1

?在49-30-2的基礎上加一個卷積核非常明顯的提高了網絡的最大分辨率。在49-30-2的基礎上加兩層81-30也可以提高分辨率但是沒有加卷積核效果好。

綜合前兩個表

加卷積核和加層數確實都會使最大性能上升，而且針對測試的3個網絡加卷積核的效果更明顯。

?	3層	5層	3層1個卷積核	?	?	3層	5層	3層1個卷積核
δ	迭代次數n	迭代次數n	迭代次數n	?	δ	耗時 min/199	耗時 min/199	耗時 min/199
0.5	9.457286432	17.31155779	16.48241206	?	0.5	4.0988	4.0001	2.255266667
0.4	217.8743719	3767.874372	1361.045226	?	0.4	4.409	17.10336667	3.560683333
0.3	282.9095477	3700.497487	1720.190955	?	0.3	4.53095	16.88956667	3.8671
0.2	359.3015075	3768.60804	1943.336683	?	0.2	4.715983333	20.48565	4.079916667
0.1	440.5829146	3784.150754	2060.557789	?	0.1	1.64245	22.22303333	4.198666667
0.01	898.4974874	3937.753769	2972.638191	?	0.01	5.714416667	22.55365	5.0917
0.001	1712.040201	4656.899497	4091.859296	?	0.001	7.16	25.62353333	6.158
9.00E-04	1735.075377	4732.698492	4177.100503	?	9.00E-04	7.092683333	26.34898333	6.25685
8.00E-04	1817.145729	4773.040201	4204.231156	?	8.00E-04	7.23665	26.55536667	6.278333333
7.00E-04	1967.728643	4867.150754	4327.341709	?	7.00E-04	7.516983333	28.6609	6.3886
6.00E-04	2466.407035	5051.743719	4319.231156	?	6.00E-04	8.460533333	25.1193	6.332716667
5.00E-04	2922.668342	5123.552764	4640.180905	?	5.00E-04	9.2511	28.59831667	6.635683333
4.00E-04	2991.839196	5354.537688	4781.437186	?	4.00E-04	9.083083333	27.10175	6.873116667
3.00E-04	4905.969849	5771.562814	4958.276382	?	3.00E-04	12.79875	31.4649	7.17385
2.00E-04	5184	6608.065327	5410.175879	?	2.00E-04	13.1458	33.98488333	7.57195
1.00E-04	5632.281407	9968.100503	5985.060302	?	1.00E-04	14.19561667	49.20433333	9.430166667
9.00E-05	5723.949749	10986.21608	5960.879397	?	9.00E-05	14.03463333	53.35168333	7.974133333
8.00E-05	5754.090452	11628.0201	6234.261307	?	8.00E-05	14.26598333	56.16275	9.804233333
7.00E-05	6029.919598	12679.52764	6227.025126	?	7.00E-05	14.79435	61.09628333	9.777633333
6.00E-05	6686.894472	13109.78894	6410.015075	?	6.00E-05	15.92916667	63.26216667	10.05916667
5.00E-05	6733.869347	13711.12563	6843.527638	?	5.00E-05	15.9815	65.85913333	10.4674
4.00E-05	7164.261307	15135.42211	7226.582915	?	4.00E-05	17.0012	71.99621667	10.87256667
3.00E-05	7876	20739.68844	7567.170854	?	3.00E-05	18.42911667	97.38201667	11.22465
2.00E-05	7898.773869	33675.49246	8543.718593	?	2.00E-05	18.3598	134.5200333	12.26171667
1.00E-05	10519.22613	56278.17085	10002.80905	?	1.00E-05	20.59985	249.1469333	13.94281667
9.00E-06	10562.28141	59442.55276	10314.70854	?	9.00E-06	23.99378333	262.6644167	14.27883333
8.00E-06	10718.19095	62130.47739	10521.40704	?	8.00E-06	24.3037	276.2772	14.46355
7.00E-06	10886.38191	66274.23618	10795.59296	?	7.00E-06	23.87303333	232.7295667	15.33916667
6.00E-06	11353.8392	70016.88442	11356.43216	?	6.00E-06	25.2186	243.7804833	16.13403333
5.00E-06	13691.06533	75014.68844	11524.1407	?	5.00E-06	29.18276667	262.0030333	16.73851667
4.00E-06	16101.14573	81911.47739	12755.88945	?	4.00E-06	30.34141667	283.9857167	18.1965
3.00E-06	16729.59799	92364.45729	13319.76884	?	3.00E-06	34.85281667	319.9373	18.90775
2.00E-06	17837.20603	113501.8392	15362.49749	?	2.00E-06	32.95221667	392.8333667	21.25796667
1.00E-06	20745.63819	154350.5126	17225.44221	?	1.00E-06	41.03785	559.2056333	23.45475

迭代次數

δ=1e-6	5層	>	3層	>	3層一個卷積核
?	8.96061249	?	1.204360268	?	1

5層網絡的迭代次數要遠大于其他的兩個網絡。

耗時

δ=1e-6	5層	>	3層	>	3層一個卷積核
?	23.84189272	?	1.749660517	?	1

5層網絡消耗了23倍的時間取得的最大準確率仍小于3層一個卷積核的網絡。

199次平均準確率p-ave

3層>5層>3層1個卷積核

199次的最大準確率p-max

3層1個卷積核>5層>3層

迭代次數

5層>3層>3層一個卷積核

耗時

5層>3層>3層一個卷積核

所以針對測試的3個網絡在49-30-2的基礎上加兩層81-30會使網絡的平均性能基本不變的情況下最大性能顯著提升，但代價是收斂速度嚴重下降。

在49-30-2的基礎上增加卷積核會大幅提升網絡的最大性能，但卷積核太少了會影響網絡的平均性能，使性能變得不穩定。

實驗數據

學習率 0.1

權重初始化方式

Random rand1 =new Random();

int ti1=rand1.nextInt(98)+1;

int xx=1;

if(ti1%2==0)

{ xx=-1;}

tw[a][b]=xx*((double)ti1/x);

第一層第二層和卷積核的權重的初始化的x分別為1000,1000,200

3層網絡的2層權重x=1000

5層網絡的4層權重x=1000

3層1個卷積核網絡的2層權重x=1000，卷積核的x=200

49-30-2	?	?	?	?	?	?	?	?
f2[0]	f2[1]	迭代次數n	平均準確率p-ave	δ	耗時ms/次	耗時ms/199次	耗時 min/199	最大值p-max
0.499386185	0.499447667	9.457286432	0.556121031	0.5	1235.738693	245928	4.0988	0.941371158
0.607789346	0.391697375	217.8743719	0.985338038	0.4	1329.266332	264540	4.409	0.992434988
0.717279441	0.282649246	282.9095477	0.988685746	0.3	1366.035176	271857	4.53095	0.991489362
0.80371583	0.196464405	359.3015075	0.988645355	0.2	1421.899497	282959	4.715983333	0.990543735
0.845146872	0.154991397	440.5829146	0.987623698	0.1	495.1306533	98547	1.64245	0.990543735
0.081706915	0.918288828	898.4974874	0.989999644	0.01	1722.939698	342865	5.714416667	0.991489362
0.974083268	0.025916326	1712.040201	0.968157573	0.001	2158.79397	429600	7.16	0.992907801
0.923964157	0.07603503	1735.075377	0.968585243	9.00E-04	2138.497487	425561	7.092683333	0.992907801
0.753411266	0.246588817	1817.145729	0.972377253	8.00E-04	2181.904523	434199	7.23665	0.992907801
0.532621804	0.467378406	1967.728643	0.978036756	7.00E-04	2266.427136	451019	7.516983333	0.992907801
0.266563765	0.733435398	2466.407035	0.985468715	6.00E-04	2550.909548	507632	8.460533333	0.993380615
0.025442755	0.974557558	2922.668342	0.991769723	5.00E-04	2789.276382	555066	9.2511	0.992907801
3.34E-04	0.999666356	2991.839196	0.992444492	4.00E-04	2738.61809	544985	9.083083333	0.993380615
2.61E-04	0.999738897	4905.969849	0.992969576	3.00E-04	3858.919598	767925	12.79875	0.994799054
1.13E-04	0.999886811	5184	0.994399895	2.00E-04	3963.472362	788748	13.1458	0.994799054
8.53E-05	0.99991484	5632.281407	0.993960346	1.00E-04	4280.080402	851737	14.19561667	0.994799054
6.87E-05	0.999931338	5723.949749	0.993421006	9.00E-05	4231.547739	842078	14.03463333	0.994799054
6.72E-05	0.999932802	5754.090452	0.993409126	8.00E-05	4301.301508	855959	14.26598333	0.994799054
5.81E-05	0.99994191	6029.919598	0.993663352	7.00E-05	4460.60804	887661	14.79435	0.994799054
4.07E-05	0.999959309	6686.894472	0.99426209	6.00E-05	4802.758794	955750	15.92916667	0.994799054
3.96E-05	0.999960391	6733.869347	0.994269218	5.00E-05	4818.361809	958890	15.9815	0.994799054
2.97E-05	0.999970307	7164.261307	0.99394609	4.00E-05	5125.984925	1020072	17.0012	0.994799054
1.52E-05	0.999984755	7876	0.993435262	3.00E-05	5556.512563	1105747	18.42911667	0.993853428
1.50E-05	0.999984982	7898.773869	0.993437638	2.00E-05	5535.613065	1101588	18.3598	0.994326241
8.24E-06	0.999991749	10519.22613	0.994366632	1.00E-05	6211.005025	1235991	20.59985	0.995271868
7.83E-06	0.99999217	10562.28141	0.994266842	9.00E-06	7234.301508	1439627	23.99378333	0.994799054
6.59E-06	0.999993413	10718.19095	0.993960346	8.00E-06	7327.748744	1458222	24.3037	0.995271868
5.83E-06	0.999994177	10886.38191	0.993810661	7.00E-06	7197.854271	1432382	23.87303333	0.994799054
5.41E-06	0.999994592	11353.8392	0.994031624	6.00E-06	7603.512563	1513116	25.2186	0.994799054
4.47E-06	0.999995529	13691.06533	0.994314361	5.00E-06	8798.658291	1750966	29.18276667	0.994799054
3.26E-06	0.999996747	16101.14573	0.993972225	4.00E-06	9148.165829	1820485	30.34141667	0.994799054
2.31E-06	0.999997686	16729.59799	0.993385367	3.00E-06	10508.29648	2091169	34.85281667	0.993853428
1.14E-06	0.999998862	17837.20603	0.993836796	2.00E-06	9935.180905	1977133	32.95221667	0.993853428
8.60E-07	0.999999139	20745.63819	0.993896195	1.00E-06	12373.14573	2462271	41.03785	0.994326241
7.97E-07	0.999999204	21273.60804	0.993903323	9.00E-07	12732.64322	2533802	42.23003333	0.994799054
6.87E-07	0.999999313	22264.36181	0.994050631	8.00E-07	13595.05025	2705417	45.09028333	0.994799054
6.10E-07	0.99999939	23553.17588	0.993943714	7.00E-07	13737.59799	2733784	45.56306667	0.994799054
4.87E-07	0.999999513	26313.60804	0.993470901	6.00E-07	15162.24623	3017303	50.28838333	0.994799054
4.06E-07	0.999999593	27056.1407	0.993577818	5.00E-07	14951.58291	2975365	49.58941667	0.994799054
2.56E-07	0.999999744	27868	0.994055383	4.00E-07	15827.96482	3149765	52.49608333	0.994799054
2.54E-07	0.999999745	27998.54271	0.994026872	3.00E-07	15686.69347	3121656	52.0276	0.994799054
1.72E-07	0.999999827	34769.20603	0.99349466	2.00E-07	19260.24623	3832821	63.88035	0.995271868
8.67E-08	0.999999913	38491.84925	0.994183684	1.00E-07	21997.96985	4377613	72.96021667	0.994799054

813049302		?	?	?	?	?	?	?
f2[0]	f2[1]	迭代次數n	平均準確率p-ave	δ	耗時ms/次	耗時ms/199次	耗時 min/199	最大值p-max
0.497397008	0.501220403	17.31155779	0.502438908	0.5	1205.964824	240006	4.0001	0.810874704
0.58726634	0.412611563	3767.874372	0.906190527	0.4	5156.79397	1026202	17.10336667	0.997163121
0.636640566	0.36278485	3700.497487	0.99093339	0.3	5092.331658	1013374	16.88956667	0.99858156
0.654326877	0.345588026	3768.60804	0.996196111	0.2	6176.577889	1229139	20.48565	0.999054374
0.700519621	0.299452945	3784.150754	0.996065434	0.1	6700.40201	1333382	22.22303333	0.999054374
0.532134869	0.467869686	3937.753769	0.995502334	0.01	6800.080402	1353219	22.55365	0.999054374
0.422209109	0.577793465	4656.899497	0.989992516	0.001	7725.658291	1537412	25.62353333	1
0.341900165	0.65810115	4732.698492	0.991353933	9.00E-04	7944.38191	1580939	26.34898333	1
0.341879526	0.658120602	4773.040201	0.989754921	8.00E-04	8006.633166	1593322	26.55536667	0.999527187
0.296683534	0.703317013	4867.150754	0.990120817	7.00E-04	8641.472362	1719654	28.6609	1
0.186211679	0.813787865	5051.743719	0.99272723	6.00E-04	7573.653266	1507158	25.1193	0.999527187
0.201214859	0.798784971	5123.552764	0.991821994	5.00E-04	8622.60804	1715899	28.59831667	0.999527187
0.105760421	0.894239063	5354.537688	0.994896468	4.00E-04	8171.38191	1626105	27.10175	0.999527187
0.07558383	0.924415606	5771.562814	0.995005762	3.00E-04	9486.904523	1887894	31.4649	0.999527187
0.251341598	0.748658773	6608.065327	0.994136165	2.00E-04	10246.69849	2039093	33.98488333	0.998108747
0.964739483	0.035260641	9968.100503	0.991389572	1.00E-04	14835.39196	2952260	49.20433333	1
0.979821643	0.020178336	10986.21608	0.993760766	9.00E-05	16085.84925	3201101	53.35168333	0.999527187
0.994905063	0.005094859	11628.0201	0.994818062	8.00E-05	16933.49246	3369765	56.16275	0.999527187
0.999940459	5.95E-05	12679.52764	0.996609525	7.00E-05	18420.98995	3665777	61.09628333	0.999527187
0.999949295	5.05E-05	13109.78894	0.996367179	6.00E-05	19074.0201	3795730	63.26216667	0.999527187
0.999958601	4.14E-05	13711.12563	0.992064341	5.00E-05	19857.02513	3951548	65.85913333	0.999527187
0.999966141	3.39E-05	15135.42211	0.988716633	4.00E-05	21707.40201	4319773	71.99621667	0.999054374
0.999973419	2.65E-05	20739.68844	0.987889804	3.00E-05	29361.32663	5842921	97.38201667	0.997163121
0.999981476	1.85E-05	33675.49246	0.990051915	2.00E-05	40558.68342	8071202	134.5200333	0.996690307
0.999990802	9.20E-06	56278.17085	0.989160935	1.00E-05	75119.59799	14948816	249.1469333	0.994326241
0.999991844	8.16E-06	59442.55276	0.989065897	9.00E-06	79195.29648	15759865	262.6644167	0.992907801
0.999992753	7.24E-06	62130.47739	0.989201326	8.00E-06	83299.57789	16576632	276.2772	0.992434988
0.999993663	6.33E-06	66274.23618	0.989217957	7.00E-06	70169.71357	13963774	232.7295667	0.992907801
0.999994542	5.46E-06	70016.88442	0.989120544	6.00E-06	73501.49246	14626829	243.7804833	0.992434988
0.999995425	4.58E-06	75014.68844	0.988958979	5.00E-06	78995.73367	15720182	262.0030333	0.992907801
0.999996283	3.72E-06	81911.47739	0.988844934	4.00E-06	85623.82915	17039143	283.9857167	0.994799054
0.999997181	2.82E-06	92364.45729	0.989270228	3.00E-06	96463.50754	19196238	319.9373	0.994799054
0.999998086	1.91E-06	113501.8392	0.99128503	2.00E-06	118442.201	23570002	392.8333667	0.998108747
0.999999045	9.56E-07	154350.5126	0.991068819	1.00E-06	168604.7085	33552338	559.2056333	0.99858156

con（3*3）-49-30-2		?	?	?	?	?	?	?
f2[0]	f2[1]	迭代次數n	平均準確率p-ave	δ	耗時ms/次	耗時ms/199次	耗時 min/199	最大值p-max
0.500276107	0.498344763	16.48241206	0.517770888	0.5	679.9798995	135316	2.255266667	0.867612293
0.5818015	0.418241698	1361.045226	0.75949725	0.4	1073.572864	213641	3.560683333	0.996690307
0.644166219	0.35596743	1720.190955	0.914275871	0.3	1165.959799	232026	3.8671	0.998108747
0.725259837	0.274933998	1943.336683	0.944265061	0.2	1230.040201	244795	4.079916667	0.998108747
0.814017223	0.186277612	2060.557789	0.953538377	0.1	1265.929648	251920	4.198666667	0.997635934
0.873548828	0.126458355	2972.638191	0.928536298	0.01	1535.18593	305502	5.0917	0.998108747
0.873795911	0.12620395	4091.859296	0.907932095	0.001	1856.603015	369480	6.158	0.99858156
0.868847942	0.131153585	4177.100503	0.890459389	9.00E-04	1886.482412	375411	6.25685	0.99858156
0.883973522	0.116025939	4204.231156	0.901728501	8.00E-04	1892.964824	376700	6.278333333	0.998108747
0.858927553	0.141072196	4327.341709	0.897024128	7.00E-04	1926.211055	383316	6.3886	0.997635934
0.879064535	0.120935924	4319.231156	0.898440191	6.00E-04	1909.361809	379963	6.332716667	0.999527187
0.843952852	0.156046265	4640.180905	0.881307245	5.00E-04	2000.708543	398141	6.635683333	0.998108747
0.823934671	0.17606553	4781.437186	0.872397448	4.00E-04	2072.291457	412387	6.873116667	0.998108747
0.879229957	0.120769961	4958.276382	0.884989962	3.00E-04	2162.969849	430431	7.17385	0.999054374
0.819003562	0.180996744	5410.175879	0.887848225	2.00E-04	2282.919598	454317	7.57195	0.998108747
0.859247532	0.1407525	5985.060302	0.847616332	1.00E-04	2843.241206	565810	9.430166667	0.999054374
0.829105325	0.170894589	5960.879397	0.870898226	9.00E-05	2404.231156	478448	7.974133333	0.99858156
0.824083387	0.17591666	6234.261307	0.846815638	8.00E-05	2956.020101	588254	9.804233333	0.999527187
0.864285382	0.135714544	6227.025126	0.858384119	7.00E-05	2947.98995	586658	9.777633333	0.99858156
0.909514101	0.090486022	6410.015075	0.822433681	6.00E-05	3032.884422	603550	10.05916667	0.999054374
0.894444864	0.105555205	6843.527638	0.812162467	5.00E-05	3155.98995	628044	10.4674	0.99858156
0.874349802	0.125650215	7226.582915	0.833256115	4.00E-05	3278.140704	652354	10.87256667	0.999527187
0.949728548	0.050271421	7567.170854	0.860681659	3.00E-05	3384.301508	673479	11.22465	0.999054374
0.884410163	0.115589827	8543.718593	0.861140216	2.00E-05	3696.969849	735703	12.26171667	0.999054374
0.859291217	0.140708784	10002.80905	0.868161137	1.00E-05	4203.839196	836569	13.94281667	0.998108747
0.849241442	0.150758558	10314.70854	0.856100835	9.00E-06	4305.170854	856730	14.27883333	0.999054374
0.84421681	0.155783197	10521.40704	0.856908657	8.00E-06	4360.839196	867813	14.46355	0.999054374
0.85929264	0.140707354	10795.59296	0.851536643	7.00E-06	4624.854271	920350	15.33916667	0.999054374
0.864318388	0.135681609	11356.43216	0.835860152	6.00E-06	4864.507538	968042	16.13403333	0.999527187
0.864318891	0.135681109	11524.1407	0.839217363	5.00E-06	5046.773869	1004311	16.73851667	0.999527187
0.81406843	0.185931571	12755.88945	0.82416337	4.00E-06	5486.366834	1091790	18.1965	0.999054374
0.83416934	0.165830664	13319.76884	0.84103021	3.00E-06	5700.80402	1134465	18.90775	0.999054374
0.76884336	0.231156641	15362.49749	0.857692719	2.00E-06	6409.427136	1275478	21.25796667	0.999054374
0.788944292	0.211055707	17225.44221	0.887536976	1.00E-06	7071.768844	1407285	23.45475	0.999054374
0.798994592	0.201005409	18530.14573	0.856122219	9.00E-07	7652.743719	1522897	25.38161667	0.99858156
0.773869028	0.226130972	19642.81407	0.869472659	8.00E-07	7851.894472	1562527	26.04211667	0.999527187
0.773869071	0.226130929	19718.48241	0.872692066	7.00E-07	8259.356784	1643628	27.3938	0.999527187
0.798994697	0.201005303	20614.09548	0.873711346	6.00E-07	8532.537688	1697991	28.29985	0.999527187
0.743718397	0.256281603	22309.09548	0.861109329	5.00E-07	8456.236181	1682806	28.04676667	0.999527187
0.778894301	0.221105699	22176.38693	0.871563491	4.00E-07	9060.462312	1803032	30.05053333	1
0.74371848	0.25628152	25596.88442	0.872273899	3.00E-07	9779.678392	1946157	32.43595	0.999054374
0.733668267	0.266331734	31598.69347	0.874267318	2.00E-07	12587.65327	2504949	41.74915	0.999054374
0.753768805	0.246231195	37973.84925	0.896722383	1.00E-07	14562.95477	2898029	48.30048333	0.999527187

總結

以上是生活随笔為你收集整理的3层、5层、3层一个卷积核BP神经网络性能比较的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇： ANN神经网络分类2*2矩阵：吸引子和反
下一篇：怎么拆笔记本的cpu风扇笔记本CPU风