论文进展记录

2021.11.21

• 正在试验不同CNN网络结构，根据WDCNN论文所说，1DCNN使用2层filters=3的神经网络所获得的感受野仅为5*1,视觉领域的网络结构不适应一维卷积

• 前几天试验中加入dropout层导致准确率非常低，应该是由于欠拟合引起的，由于epoch=20,训练次数不够又加上了dropout导致欠拟合，当epoch次数提上去时，准确率有了明显的提升。

• [1] 找一维卷积相关论文，看网络结构该如何搭建
  [2] 看老师发的论文，周五找老师

2021.11.27

• A、B、C组在网络中试验出图，其中A组效果最差，C组效果最好，但是C组效果太好了，优化怎么做？还有必要做吗？

• 看完一篇论文，第一章内容可以是网络结构以及设计原因和不同设计对比，第二章可以涉及到优化（优化意味着模型可能得用底层一点的代码重写),第三章迁移学习？？？？（待定）

• [1] 看网络结构搭建相关论文，进行不同参数的设计的对比工作

• [2] 明天找老师沟通

2021.12.04

• 看完三篇论文：
  [10] ①感受野；②Prelu和PAdam。
  [11] ①平均池化层代替全连接层，②对训练集随机破坏，测试集加入高斯白噪；③换数据集，看变载情况下模型的效果。文中仅用了两个卷积层和