///选项卡2

研究文章

深度学习申请由可见光谱预测土壤有机质含量

表2

预测精度的结果使用不同深度的DenseNet基于全光谱数据没有分数阶导数变换。


模型	学习速率	培训		验证
模型	学习速率	R²	RMSE	R²	RMSE	RPD

DenseNet10	0.001	0.832±0.012	5.334±0.177	0.806±0.007	6.519±0.128	2.345±0.050
DenseNet10	0.0006	0.837±0.013	5.188±0.203	0.836±0.010	6.037±0.199	2.508±0.085
DenseNet13	0.001	0.878±0.010	4.376±0.164	0.833±0.005	6.117±0.095	2.462±0.038
DenseNet13	0.0006	0.861±0.012	4.697±0.199	0.828±0.006	6.207±0.108	2.431±0.044
DenseNet16	0.001	0.856±0.012	4.782±0.197	0.827±0.008	6.172±0.135	2.461±0.051
DenseNet16	0.0006	0.858±0.011	4.792±0.177	0.848±0.007	5.847±0.131	2.576±0.058
DenseNet19	0.001	0.870±0.010	4.515±0.179	0.853±0.007	5.722±0.124	2.639±0.056
DenseNet19	0.0006	0.916±0.009	3.628±0.177	0.853±0.011	5.745±0.222	2.622±0.099

数据平均值±标准偏差。R ²=确定系数,RMSE =均方根误差和RPD =性能偏差的比值。

文章奖:2020年杰出的研究贡献,选择由我们的首席编辑。获奖的文章阅读。