If continue to increase the number

If continue to increase the number of nodes in the hidden layer of the network, the accuracy prediction rate tends to decrease. When the input data does not change, the number of neurons in the hidden layer too much making it difficult for network training. Complex network structures and less data, making low classification rate. The experiment shows that the model is suitable for classification in static images.

Kết quả (Việt) 1:

Nếu tiếp tục tăng số lượng các nút trong lớp mạng, ẩn, mức độ chính xác dự báo có xu hướng giảm. Khi không thay đổi dữ liệu đầu vào, số lượng các tế bào thần kinh trong ẩn lớp quá nhiều làm cho nó khó khăn cho mạng lưới đào tạo. Cấu trúc mạng lưới phức tạp và ít dữ liệu hơn, làm cho tỷ lệ thấp phân loại. Thử nghiệm cho thấy rằng các mô hình thích hợp cho phân loại trong hình ảnh tĩnh.

Kết quả (Việt) 2:

Nếu tiếp tục tăng số lượng các nút trong lớp ẩn của mạng, tỷ lệ dự đoán chính xác xu hướng giảm. Khi dữ liệu đầu vào không thay đổi, số lượng tế bào thần kinh trong lớp ẩn quá nhiều gây khó khăn cho việc đào tạo mạng. cấu trúc phức tạp mạng và dữ liệu ít hơn, làm cho tỷ lệ phân loại thấp. Các thí nghiệm cho thấy rằng mô hình là phù hợp với phân loại trong các hình ảnh tĩnh.