《表4 优化BP神经网络对应理论输入矢量》
提示：宽带有限、当前游客访问压缩模式
下面对BP神经网络和优化的BP神经网络进行仿真对比，验证优化后故障定位准确性的提升。故障样本集的输入矢量和输出矢量见表4、表5。
| 图表编号 | XD00102657600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.10 |
| 作者 | 李珂、何晋、曹鲁成、杨凡、周石金 |
| 绘制单位 | 云南民族大学、云南民族大学、云南民族大学、云南民族大学、云南民族大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 BP神经网络最终输入向量预测值》2021.01.25
- 《表1 故障样本输入矢量：基于GA-BP的配电网自动故障定位研究》2020.07.25
- 《表1 BP神经网络输入输出层结构设计》2020.06.25
- 《表4 精度检验结果：基于非等时距灰色理论与BP神经网络的钢轨波磨预测》2020.03.01
- 《表4 各信号BP神经网络输入节点数》2020.03.30
- 《表4 BP神经网络模型输入层的权重和阀值》2020.01.01
- 《表2 BP神经网络的具体输入输出信息》2019.12.25
- 《表4 BP神经网络的输入输出》2019.12.25
- 《表2 BP神经网络对应理论输出量》2019.10.10
- 《表5 优化BP神经网络对应理论输出矢量》2019.10.10
- 《表1 BP神经网络开关输入量》2019.10.10
- 《表2 BP神经网络的部分输入输出数据》2019.09.25
- 《表1 电机参数：基于BP神经网络永磁同步电机矢量复合控制》2019.06.01
- 《表3 BP神经网络输入训练数据表》2019.10.30
- 《表5 零件2BP神经网络的输入》2019.07.25
- 《表2 零件1BP神经网络的输入》2019.07.25
- 《表2 粒子群优化BP神经网络训练出的输入层与隐含层权值阈值》2019.05.01
- 《表4 BP神经网络各输入节点MIV数值》2019.08.25
- 《表4 遗传算法优化后BP神经网络训练1》2019.02.20
- 《表2 评价集及特征矢量：基于PCA-BP神经网络的设备润滑状态评价应用》2019.12.05