《表1 不同p值下的改进LSTM模型预测精度对比》
提示：宽带有限、当前游客访问压缩模式
为了获得最佳的预测效果，需要确定训练输入数据的维度p，即选用过去p天的价格来预测未来1天的价格。实验数据如表1所示。
| 图表编号 | XD00108222200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.30 |
| 作者 | 刘锦源 |
| 绘制单位 | 南京农业大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 不同p H值下的n值》2020.10.25
- 《表1 双向LSTM模型在不同数据库中不同窗口大小下的预测率》2021.01.30
- 《表6 不同预测模型在改变输入数据规模下的预测精度》2021.03.01
- 《表8 不同预测模型在改变CPU资源下的预测精度》2021.03.01
- 《表7 不同预测模型在改变内存资源下的预测精度》2021.03.01
- 《表3 Attention-LSTM模型不同隐藏层节点下的预测误差》2021.02.15
- 《表3 菌株在不同p H值下的生长情况》2020.11.10
- 《表6“k-means++优选法”与“均值法”数据集在LSTM预测模型下的结果对比》2020.08.01
- 《表1 改进前后的马尔科夫链模型在本溪地区年尺度地下水预测精度对比》2020.05.25
- 《表2 改进前后的马尔科夫链模型在本溪地区月尺度地下水预测精度对比》2020.05.25
- 《表3 不同LSTM预测方案对应的安康站日径流预测精度指标》2020.04.28
- 《表1 MDSC-LSTM与改进CS-RBF和基本LSTM神经网络交通流预测性能对比》2020.10.25
- 《表2 单变量LSTM模型和多变量LSTM模型的预测精度比较》2019.11.05
- 《表2 不同σ值下的模型平均预测性能》2019.10.15
- 《表7 引入新闻前后不同涨跌幅域值下模型预测准确率对比表》2019.05.25
- 《表1 LSTM模型的前五组最优参数组合以及预测精度》2019.09.20
- 《表2 性能对比：基于改进LSTM网络的犯罪态势预测方法》2019.08.10
- 《表2 不同算法结果对比：一种基于LSTM的燃气管道施工破坏风险预测模型》2019.01.01
- 《表2 不同k值下的平均精度均值结果》2019.02.15
- 《表1 不同经验常数K值下的预测误差》2019.05.01