《表2 LSTM训练指标对比》
提示：宽带有限、当前游客访问压缩模式
将采集的数据通过LSTM神经网络模型进行训练，模型的训练性能指标及其变化见表2。
| 图表编号 | XD00137222300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.16 |
| 作者 | 邓天民、岳云霞、杨其芝、方芳 |
| 绘制单位 | 重庆交通大学交通运输学院、重庆交通大学山区道路复杂环境“人-车-路”协同与安全重庆市重点实验室、重庆交通大学交通运输学院、重庆交通大学交通运输学院、重庆交通大学交通运输学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 训练集训练结果：基于Attention-LSTM的商业建筑负荷分解研究》2020.09.20
- 《表2 水驱曲线、FCNN及LSTM预测结果指标对比》2020.10.23
- 《表6 各方法术语抽取结果对比（统计学方法展示排序前10的结果，CRF及Bi-LSTM+CRF方法展示未出现于训练语料中的任意10个结果）》2021.01.26
- 《表2 LSTM网络的训练参数》2020.12.01
- 《表4 CNN,LSTM与CNN-MSLSTM的训练时间和测试时间对比》2021.02.28
- 《表2 不同LSTM训练层数负荷预测结果》2020.11.30
- 《表3 LSTM-GAN模型不同结构参数训练误差》2020.12.01
- 《表1 LSTM网络隐藏层结构与训练效果的关系(MSE)》2020.04.01
- 《表1 不同批尺寸下LSTM训练效果》2020.07.30
- 《表3 LSTM,CNN,LSTM-CNN网络训练结果对比》2020.07.30
- 《表1 LSTM与RNN模型各项指标对比》2020.08.15
- 《表2 训练集样本示例：基于BI-LSTM-CRF的作战文书命名实体识别》2019.08.01
- 《表6 训练参数：基于DBM-LSTM的多特征语音情感识别》2020.02.16
- 《表2 Double DenseNet与LSTM和SVR模型训练时间比较》2020.01.15
- 《表2 训练LSTM模型部分参数》2019.11.20
- 《表1 VGG与LSTM独立训练最终结果》2019.09.15
- 《表3 depRNN与Tree-LSTM模型对比结果 (训练耗时:秒/epoch)》2019.08.01
- 《表1 LSTM训练样本数据维度》2019.06.30
- 《表5 LSTM-CRF模型和LSTM模型训练和测试耗时秒》2019.01.24
- 《表3 GRU和LSTM训练速度对比 (单位:instance/s)》2018.03.25