本环节使用计算机视觉的MNIST和CIFAR10数据集,初始的数据集使用超像素方法转化成图,超参数代表图片中同质的小部分区域,可以通过SLIC技术(可以理解成是图片上的k-Means聚类方法)得到。处理之后的MNIST数据集平均节点数是 40 - 75,CIFAR10平均节点数是85 - 150。超像素间的连接(图上的边)则通过k-近邻的邻接矩阵构建, ,其中 表示超像素 , 理解为与k近邻节点距离的均值。转化完成后的图如下所示:实验设置:数据划分:使用标准的MNIST和CIFAR10的数据划分设置。训练:仍然采用Adam优化器,初始学习率设定为 ,衰减系数为0.5,终止条件是学习率衰减到 。可复现性:执行4轮实验,取均值作为最终结果。准确度衡量,图分类层,超参数设定,均同前述图分类衡量标准。实验结果如下图所示,其中的颜色含义:Red - the best model; Violet - good models; Bold - indicates the best model between residual and non-residual connections (both models are bold if they perform equally).