《表3 对照组数据感知器分类结果》
提示：宽带有限、当前游客访问压缩模式
另外，为了验证方法的可靠性，采集一组正常电池充电数据作为对照组。代入感知器进行分类，结果如表3。
| 图表编号 | XD00125689700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 柏云耀、邹时波、李顶根 |
| 绘制单位 | 华中科技大学能源与动力工程学院、华中科技大学能源与动力工程学院、华中科技大学能源与动力工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 多层感知器神经网络训练、测试、保持样本结果分类》2020.09.25
- 《表2 4种分类器在运动意图数据集中的实验结果》2020.11.15
- 《表7 多层感知器神经网络分类表》2020.06.25
- 《表7 多数样本分类结果：基于多层感知器和运动轨迹的海上目标类型识别》2020.03.20
- 《表5 少量样本分类结果：基于多层感知器和运动轨迹的海上目标类型识别》2020.03.20
- 《表4 利用多层感知器进行大豆产地分类的训练子集、测试子集、保持子集结果》2020.07.28
- 《表5“k-means++优选法”与“均值法”数据集在多层感知器预测模型下的结果对比》2020.08.01
- 《表1 不同分类方法的FilteredClassifier元分类器对路透社数据集的评估结果》2020.05.20
- 《表1 模拟实验结果：基于多层感知器神经网络的智能分类算法》2020.03.10
- 《表3 不同分类器结果：基于数据挖掘的网络众筹模式下用户参与动机研究》2020.02.20
- 《表3 不同分类器的性能数据》2020.03.25
- 《表2 未知故障电池数据感知器分类结果》2020.02.01
- 《表2 5种分类器在3种数据集上的分类准确率》2020.02.28
- 《表2 KPCA下不同分类器诊断结果数据对比》2020.01.25
- 《表3 分类精度比较：基于贝叶斯和F-measure感知机的分类器设计》2019.11.01
- 《表3 UCI数据集上不同分类器分类效果的比较》2019.11.01
- 《表4 3特征PNN分类器系统性能统计数据》2019.06.28
- 《表3 五种分类器对Iris、Wine和Seeds数据集的分类结果》2019.01.05
- 《表9 各分类器检测结果数据》2019.02.01
- 《表2 分类器类别：面向帕金森病的多模态异构协同感知方法》2018.03.01