《表1 MDSC-LSTM与改进CS-RBF和基本LSTM神经网络交通流预测性能对比》
提示：宽带有限、当前游客访问压缩模式
通过多次仿真实验，3个模型的MAPE、MAE、RMSE结果如表1所示。
| 图表编号 | XD00145665500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.25 |
| 作者 | 乐冰、蔡延光、蔡颢、王建成 |
| 绘制单位 | 广东工业大学自动化学院、广东工业大学自动化学院、奥尔堡大学健康科学与工程系、广东工业大学自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 结果对比：基于LSTM神经网络的股票日内交易分布预测建模》2020.09.15
- 《表2 改进激活函数与传统激活函数神经网络压力预测误差对比》2021.03.10
- 《表1 部分评论样本数据：基于改进LSTM算法的天地一体化信息网络流量预测》2020.12.20
- 《表5 深度LSTM神经网络与深度MSLSTM神经网络预测效果对比》2020.12.01
- 《表5 模型预测性能对比：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 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2 不同LSTM网络结构的预测性能》2021.01.28
- 《表3 模型预测效果对比：基于LSTM网络的盗窃犯罪时间序列预测研究》2020.11.25
- 《表2 与基于LSTM预测方法的性能对比表》2020.11.01
- 《表2 预测性能对比：基于VMD和双重注意力机制LSTM的短期光伏功率预测》2021.02.10
- 《表2 LSTM网络参数：基于GF-LSTM和GAN网络的小样本集人工水体溶解氧浓度预测》2021.02.25
- 《表1 8个测试函数表：基于改进灰狼算法优化BP神经网络的短时交通流预测模型》2020.04.01
- 《表4 预测误差：基于EMD降噪和LSTM网络的地铁风机轴承寿命预测》2020.06.26
- 《表8 预测结果误差对比：基于CNN-LSTM网络模型的风电功率短期预测研究》2020.08.01
- 《表6 LSTM和贝叶斯网络模型的预测结果》2020.08.20
- 《表2 基于LSTM神经网络与ARIMA算法的风力发电功率数据预测结果对比》2019.10.31
- 《表1 基于LSTM神经网络与ARIMA算法的春季数据预测结果对比》2019.10.31
- 《表1 不同p值下的改进LSTM模型预测精度对比》2019.09.30
- 《表2 性能对比：基于改进LSTM网络的犯罪态势预测方法》2019.08.10
- 《表1 评价标准：基于改进粒子群算法优化小波神经网络的短时交通流预测》2019.01.15