《表1 训练样本：一种改进的BP神经网络深基坑变形预测方法》
提示：宽带有限、当前游客访问压缩模式
采集的141组训练样本数据如表1所示（为减少篇幅，只列出部分样本），用来训练改进后的网络模型，收敛过程见图3所示。
| 图表编号 | XD00112205400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.01 |
| 作者 | 宋楚平 |
| 绘制单位 | 南京科技职业学院信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 训练误差性能对比：基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法》2021.02.28
- 《表4 BP神经网络预测及训练样本》2020.09.01
- 《表1 部分样本数据：基于改进神经网络的一种新型MPPT预测方法》2021.01.15
- 《表1 实测数据：基坑变形小波去噪及BP神经网络组合预测模型研究》2021.01.25
- 《表1 训练样本：基于IAFSA-BP神经网络的泥水盾构机跨江段油脂消耗预测》2020.11.25
- 《表1 剪枝训练结果：一种改进的神经网络模型结构优化方法》2020.04.25
- 《表4 部分训练样本数据：基于Lasso-PSO-BP神经网络的腐蚀管道失效压力的预测》2020.04.15
- 《表3 预测结果对比表：基坑变形小波去噪及PSO-BP神经网络预测模型研究》2020.08.25
- 《表1 实测数据：基坑变形小波去噪及PSO-BP神经网络预测模型研究》2020.08.25
- 《表3 检测样本：一种基于BP神经网络的气井重复压裂井优选方法》2020.04.10
- 《表2 学习样本：一种基于BP神经网络的气井重复压裂井优选方法》2020.04.10
- 《表2 BP网络预测样本：改进BP神经网络的再生粗骨料混凝土强度预测》2020.02.15
- 《表1 BP网络学习样本：改进BP神经网络的再生粗骨料混凝土强度预测》2020.02.15
- 《表1 训练组样本数据：基于粒子群算法优化BP神经网络的溶浸开采浸出率预测》2020.02.28
- 《表2 训练样本：一种基于改进负荷矩的台区电压快速估算方法》2020.01.25
- 《表3 四种训练方法比较：基于灰色BP神经网络的员工需求预测》2020.03.28
- 《表1 部分训练样本：基于遗传算法优化BP神经网络的管道泄漏检测方法研究》2020.01.28
- 《表1 原始训练样本：基于BP人工神经网络的汽车整备质量预测方法研究》2019.07.25
- 《表2 部分样本数据：基于改进BP神经网络的供热负荷预测模型》2019.07.15
- 《表2 实验样本：基于遗传算法的BP神经网络熔融沉积成型翘曲变形预测研究》2019.11.25