《表2 基于堆叠去噪自编码器的简支梁桥损伤定位的结果》
提示：宽带有限、当前游客访问压缩模式
将预处理后的测试样本作为堆叠去噪自编码器的输入数据，得到深度学习模型的识别结果，将得到的结果与表1作比较即可得到该方法的损伤定位准确率。将得到的所有结果汇总如表2所示。
| 图表编号 | XD00158595600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 程海根、胡晨、姜勇、胡钧剑 |
| 绘制单位 | 华东交通大学土木建筑学院、华东交通大学土木建筑学院、华东交通大学土木建筑学院、华东交通大学土木建筑学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同算法结果对比：基于熵特征和堆叠稀疏自编码器的滚动轴承故障诊断方法》2020.10.25
- 《表1 部分特征计算公式：基于熵特征和堆叠稀疏自编码器的滚动轴承故障诊断方法》2020.10.25
- 《表1 参数变量：基于改进堆叠自编码器的带钢力学性能预报模型》2020.11.01
- 《表2 混淆矩阵：基于弹性网的深度去噪自编码器异常检测方法》2020.06.16
- 《表2 8 m墩地震损伤：基于双曲面球型减隔震支座的铁路简支梁桥桥墩地震损伤分析》2020.07.01
- 《表1 轴承数据集信息：基于EEMD和堆叠稀疏自编码的滚动轴承故障诊断方法》2020.04.18
- 《表5 测试结果的T检验：基于去噪自编码器和长短时记忆网络的语音测谎算法》2020.02.10
- 《表2 游戏玩家人数：基于去噪自编码器和长短时记忆网络的语音测谎算法》2020.02.10
- 《表3 模型参数：基于去噪自编码器和长短时记忆网络的语音测谎算法》2020.02.10
- 《表1 不同算法的结果：基于视觉与激光结合的堆叠工件定位方法研究》2019.12.18
- 《表3 分类结果对比表：基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法研究》2019.12.25
- 《表2 网络参数设置表：基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法研究》2019.12.25
- 《表2 仅采用堆叠自编码方法对入侵事件识别的结果》2019.08.01
- 《表1 建模选取变量：基于改进堆叠自编码网络的电站辅机故障预警》2019.07.01
- 《表1 建模选取变量：基于改进堆叠自编码网络的电站辅机故障预警》2019.06.01
- 《表1 聚类NMI值：基于去噪自编码的属性网络表征学习算法》2019.10.05
- 《表2 自振频率对比：基于倒塌分析的连续梁桥地震损伤评估方法》2019.08.01
- 《表5 混淆矩阵：基于行波特征量与堆叠自动编码器的电缆早期故障定位方法》2019.08.20
- 《表2 检测成功率：基于去噪卷积自编码器的色织衬衫裁片缺陷检测》2019.06.30
- 《表2 堆叠自动编码机结合NN和KNN实验结果》2019.01.01