《表3 神经网络实时性对比评估》
提示：宽带有限、当前游客访问压缩模式
由表3可知，采用PCA降维后的LSTM角度预测的实时性获得了明显提高，其单次运动估计的平均耗时增加了0.5 ms左右，有效地提高了网络预测的实时性．
| 图表编号 | XD00130365100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 王斐、魏晓童、秦皞 |
| 绘制单位 | 东北大学机器人科学与工程学院、东北大学机器人科学与工程学院、东北大学机器人科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 网络寻找临时性伴行为变化情况》2020.09.26
- 《表3 实时检测网络模型的实验结果对比》2021.03.01
- 《表3 算法性能对比：基于YOLOv5网络模型的人员口罩佩戴实时检测》2021.02.25
- 《表3 两组缺血性脑卒中患者神经功能缺损治疗效果评估结果对比》2020.12.05
- 《表1 模型评估指标对比：基于XGboost模型的城市轨道交通列车运行速度实时异常检测研究》2021.03.01
- 《表3 url表：基于大数据的网络舆情实时监测系统的构建》2020.06.15
- 《表2 数据查询性能对比：面向大规模网络流量数据的实时汇聚查询关键技术研究》2020.06.01
- 《表1 优化网络结果对比：基于改进Fast-SCNN的塑瓶气泡缺陷实时分割算法》2020.06.10
- 《表3 人脸数据集表：基于轻量级网络的实时人脸识别算法研究》2020.02.01
- 《表1 2种模型测试对比：改进YOLOv3网络提高甘蔗茎节实时动态识别效率》2019.12.01
- 《表1 人工实时实地核查与网络平台监测数据对比》2019.11.30
- 《表3 不同风险评估系统的网络安全发生的概率与危害的程度对比》2019.06.08
- 《表4 车辆检测性能对比：基于卷积神经网络的多目标实时检测》2019.04.16
- 《表3 行人检测性能对比：基于卷积神经网络的多目标实时检测》2019.04.16
- 《表3 实时性能的比较：使用多任务级联卷积神经网络进行车牌照识别》2019.02.01
- 《表1 技术对比：基于实时以太网的列车网络系统研究与设计》2019.04.20
- 《表3 节点信息：面向网络实时对抗的动态防御决策方法》2019.12.15
- 《表3 二级指标权重：基于模糊评价法政府实时监控网络舆情热度模型构建》2019.12.01
- 《表1 相关系数对比：基于MI-PSO-BP算法的配电设备状态实时评估方法》2019.12.10
- 《表3 状态量熵相关系数：基于MI-PSO-BP算法的配电设备状态实时评估方法》2019.12.10