《表7 替换变量回归结果：基于卷积门控循环网络的居民出行模式识别》
提示：宽带有限、当前游客访问压缩模式
由表7实验结果的对比分析可知，研究构建的CNN-GRU模型具有良好的识别效果，识别准确率较高，对居民出行方式的选择行为有一定的实用价值，为交通部门制定管理方案提供了一定的科学依据．
| 图表编号 | XD00204635000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.30 |
| 作者 | 丁咏梅、黄锐 |
| 绘制单位 | 武汉科技大学理学院、武汉科技大学理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 本文模型预测误差：基于变分模式分解和深度门控循环网络的风速短期预测模型》2018.12.25
- 《表3 各预测模型误差：基于变分模式分解和深度门控循环网络的风速短期预测模型》2018.12.25
- 《表1 各分量模型参数：基于变分模式分解和深度门控循环网络的风速短期预测模型》2018.12.25
- 《表4 疲劳检测结果：基于卷积循环神经网络的桃树叶部病害图像识别》2020.12.01
- 《表2 Ki的模糊规则：基于卷积门控循环网络的居民出行模式识别》2020.12.30
- 《表1 教学项目及任务：基于卷积门控循环网络的居民出行模式识别》2020.12.30
- 《表4 面板回归结果：基于3D卷积残差网络的人体动作识别算法》2020.12.31
- 《表6 不同模型的拟合度：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表4 时间序列数据特征：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表1 原始数据格式：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表3 站点信息表：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表2 到站时间表：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表4 分类结果混淆矩阵：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表3 实验训练参数：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表2 实验数据统计：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表7 对比算法结果：基于卷积神经网络的雷达人体动作与身份多任务识别》2020.01.25
- 《表1 性能评价结果：基于门控循环网络的海浪波倾角预测研究》2019.05.01
- 《表4 实验结果：基于门控记忆网络的汉语篇章主次关系识别方法》2019.05.01
- 《表1 模型预测性能：基于门控循环单元网络与模型融合的负荷聚合体预测方法》2019.01.10
- 《表7 实验结果对比：基于卷积神经网络的隐式评价对象识别》2019.11.01