《表4 实验参数设置：基于LSTM的学习成绩预测及其影响因素方法研究》
提示：宽带有限、当前游客访问压缩模式
采用Grid Search方法来确定模型的参数，从而找到准确率最高的参数组合。表4是通过网格搜索法确定的最优参数组合，采用Adam算法进行模型训练[19]。
| 图表编号 | XD00189324200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.01 |
| 作者 | 曹洪江、谢金 |
| 绘制单位 | 武汉理工大学经济学院、武汉理工大学经济学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 模型参数设置：基于集成学习的广域光骨干网多信道传输质量预测方法》2020.09.25
- 《表2模型各层具体参数：基于LSTM深度学习的大豆期货价格预测》2021.02.15
- 《表2 变压器参数设置：基于机器学习算法的变压器寿命损耗预测研究》2021.01.15
- 《表6 最有影响力的课程：基于LSTM的学习成绩预测及其影响因素方法研究》2020.12.01
- 《表5 实验结果展示：基于LSTM的学习成绩预测及其影响因素方法研究》2020.12.01
- 《表3 实验方案设计：基于LSTM的学习成绩预测及其影响因素方法研究》2020.12.01
- 《表1 实验参数设置：基于深度学习的电网调控文本知识抽取方法》2020.12.25
- 《表1 实验参数设置：基于改进深度学习的乳腺癌医学影像检测方法》2020.05.15
- 《表1 关键词列表：基于机器学习LSTM&US模型的消费者信心指数预测研究》2020.07.25
- 《表4 对齐实验参数设置：基于深度学习的领域知识对齐模型研究：知识网络视角》2020.05.24
- 《表2 实验超参数设置：基于深度学习的方志物产资料实体自动识别模型构建研究》2020.08.25
- 《表1 实验参数设置：基于深度学习医疗文本命名实体识别研究》2020.08.18
- 《表6 实验结果：基于离散化和LSTM神经网络的股票指数趋势预测研究》2019.12.25
- 《表4 因素影响程度：基于LSTM的工业互联网设备工作状态预测》2020.01.01
- 《表3 LSTM模参数：基于深度学习的核电站事故预测及故障诊断方法》2019.12.10
- 《表3 模型超参数设置：一种基于双向LSTM的联合学习的中文分词方法》2019.10.01
- 《表1 实验1参数设置：一种基于改进KELM的在线状态预测方法》2019.07.01
- 《表2 参数设置：基于CNN和LSTM混合模型的人体跌倒行为研究》2019.12.01
- 《表4 实验参数设置：基于word2vec和双向LSTM的情感分类深度模型》2019.12.01
- 《表2 实验参数设置：基于超限学习机的WSNs链路质量评估方法》2018.02.01