LeNet-1D-V 模型架构详解：卷积核、激活函数、损失函数和批处理

LeNet-1D-V 是一种使用一维卷积神经网络 (CNN) 架构的模型。其第一层卷积核大小为 5，这意味着在每个卷积层中，卷积核将在输入数据的每 5 个连续元素上执行卷积操作。激活函数被设置为 Mish 函数 (M)，Mish 函数是一种非线性函数，它可以增强网络的非线性能力，从而提高网络的表达能力。在多分类任务中，交叉熵函数通常被用作损失函数。交叉熵函数用于衡量模型的预测值与实际标签之间的差异，从而指导模型进行优化。训练时设置批处理数量为 16，这意味着模型在每次参数更新时，会同时使用 16 个训练样本进行计算和优化。批处理的使用可以提高训练效率，并在一定程度上增加模型的泛化能力。