《表2 PSO-LS-SVM与BPNN对比Tab.2 Comparison of PSO-LS-SVM and BPNN》

《表2 PSO-LS-SVM与BPNN对比Tab.2 Comparison of PSO-LS-SVM and BPNN》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于PSO-LS-SVM的储罐底板缺陷量化方法研究》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

从表2所示结果可以看出，相对于BP神经网络，结合了粒子群优化的最小二乘支持向量机算法，可以显著节约网络训练时间，其训练时间约为BP神经网络的2/5。

图表编号XD0014200200    严禁用于非法目的
绘制时间2018.02.25
作者程迪、黄松岭、赵伟、王珅
绘制单位清华大学电机系电力系统国家重点实验室、清华大学电机系电力系统国家重点实验室、清华大学电机系电力系统国家重点实验室、清华大学电机系电力系统国家重点实验室
更多格式高清、无水印（增值服务）

相关图表

  1. 《表1 BPNN与PSO-BPNN仿真数据比较》2020.07.25
  2. 《表2 GRNN与BPNN预测裂纹误差对比表》2019.10.01
  3. 《表2 试验结果与实际情况对比Tab.2 Comparison of experimental results and actual conditions》2019.02.20
  4. 《表2 早稻产量实测值与模拟值对比Tab.2 Comparison of measured and simulated values of yield of early and late season rice》2019.01.15
  5. 《表2 计算与仿真的时间对比Tab.2 Comparison of time consumption between Computation and Simulation》2019.01.20
  6. 《表2 绿色运输与传统运输对比表Tab.2 Comparison of green and traditional transportation mode》2019.02.01
  7. 《表4 PSO-LS-SVM模型参数》2019.01.05
  8. 《表4 不同输入变量筛选方法下GA-BPNN神经网络模型拟合结果Tab.4 Fitting results of GA-BPNN neural network models with different input variables》2019.02.01
  9. 《表2 BNCP与其它起爆药的感度对比Tab.2 Comparison of sensitivities of BNCP and other primary explosives》2018.08.01
  10. 《表3 BPNN模式识别结果Tab.3 Pattern recognition result of BPNN》2018.11.21
  11. 《表2 PSO-BPNN与BPNN的预测性能比较Table2 Comparison of predictive performance of PSO-BPNN and BPNN》2018.07.05
  12. 《表1 PSO-BPNN与BPNN的训练参数》2018.07.05
  13. 《表4 PSO-BPNN与BPNN的预测结果Table4 Prediction results of PSO-BPNN and BPNN》2018.07.05
  14. 《表2 传统中值滤波与改进方法PSNR、SSIM对比Tab.2 Comparison of PSNR and SSIM of the proposed method and the traditional filtering method》2018.12.01
  15. 《表2 ACA与IACA结果对比Tab.2 Comparison of ACA and IACA》2018.03.01
  16. 《表2 复合材料与产品标准对比Tab.2 Comparison of composites and product standards》2018.06.25
  17. 《表2 本文模型与文献模型识别精度与识别效率对比Tab.2 Comparison of recognition accuracy and recognition efficiency between our model and referen》2018.10.25
  18. 《表2 RVM与SVM、BPNN运算时间对比》2018.11.01
  19. 《表2 GPR、BPNN、DE-GPR模型预测结果对比》2018.11.15
  20. 《表2 ELM与GRNN,LS-SVM,BPNN方法测试结果对比》2019.12.01

随机翻阅

《表8 异质性检验：高管学术经历对公司价值的影响》 《表4 不同生源地对各变量的差异性分析》 《表2 维度关联下LCA和LCFA拟合指标选择理论模型的次数(%)和平均正确分类率(%)》 《表6 调查人群《条例》修正案知晓、支持率影响因素的logistic回归分析（n=2 277)》 《表6 因子得分系数矩阵：供给侧改革背景下的城镇化质量测度——陕西省与全国的比较》 《表2 不同组别之间等位基因对比分析》 《表4 两组生活质量评分比较（±s，分）》 《表5 几种破乳剂的污油脱水效果》 《表4 全样本的多重共线性分析》 《表3 2011—2018年河南省高新技术企业的技术领域和变化》