《表5 BP网络和IQNN诊断结果》
提示：宽带有限、当前游客访问压缩模式
用BP神经网络和改进的量子神经网络对高压断路器进行故障诊断，得到两种模型的运行时间和诊断准确率的对照表，如表5所示。
| 图表编号 | XD007427400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.09.15 |
| 作者 | 张莲、王磊、禹红良、左兴喜、杨森淋 |
| 绘制单位 | 重庆理工大学电气与电子工程学院、重庆理工大学电气与电子工程学院、重庆理工大学电气与电子工程学院、重庆理工大学电气与电子工程学院、重庆理工大学电气与电子工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 故障诊断输出结果：基于BP神经网络的静止变频器故障诊断方法》2020.10.25
- 《表5 BP神经网络诊断模型中贡献度前10的自变量》2020.11.20
- 《表6 BP神经网络和贝叶斯网络的5次运行结果》2021.01.15
- 《表5 RBF神经网络和BP神经网络诊断结果对比表》2021.01.10
- 《表5 基于BP神经网络的多级Cd胁迫诊断精度》2018.01.08
- 《表3 BP神经网络模型故障诊断结果》2020.12.10
- 《表3 GA-BP神经网络的诊断结果》2020.04.01
- 《表2 BP神经网络的诊断结果》2020.04.01
- 《表5 BP神经网络故障诊断结果》2020.06.01
- 《表3 BP神经网络模型故障诊断结果的准确率》2019.10.01
- 《表5 轴振动2H特征值：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表2 基于改进LMD分解特征参数和BP神经网络的部分诊断结果》2020.01.15
- 《表5 混淆后SVM和BP神经网络分类结果》2020.01.15
- 《表2 两BP网络与综合证据理论诊断结果》2019.07.15
- 《表1 齿轮诊断结果：基于BP神经网络的采煤机传动机构故障诊断系统研究》2019.08.31
- 《表6 遗传算法优化BP神经网络部分测试诊断结果》2019.02.20
- 《表5 诊断数据：基于BP神经网络的某型空空导弹发控电路故障诊断》2019.04.20
- 《表6 电缆隧道快速报价的BP神经网络输出诊断结果》2019.11.25
- 《表4 原始BP神经网络诊断结果》2019.10.01
- 《表3 优化的BP神经网络诊断结果》2019.10.01