《表2 光纤链路识别测试样本数量》
提示：宽带有限、当前游客访问压缩模式
为了使光纤链路智能识别结果更加公平，说服力更强，采用5个电力通信系统的链路作为实验对象，它们的样本数量如表2所示。
| 图表编号 | XD00162337500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.25 |
| 作者 | 巫健、罗江 |
| 绘制单位 | 电子科技大学、国网山西省电力公司信息通信分公司、国网山西省电力公司信息通信分公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 测试阶段准确率：基于并行子网的塑料光纤通信故障识别模型》2020.09.25
- 《表2 不同样本数量下的目标识别准确率》2021.03.16
- 《表2 3组测试样本的识别值/（×10-2)》2020.12.18
- 《表2 训练集、测试集样本数量》2020.12.10
- 《表1 识别准确率随样本数量变化》2020.09.01
- 《表1 光纤链路智能识别效果的测试平台》2020.04.25
- 《表3 光纤链路识别时间(秒)对比》2020.04.25
- 《表3 5G前传光纤链路全程衰耗计算表》2020.07.15
- 《表2 不同样本数量的识别率》2020.08.15
- 《表3 采用三种方法时延控制后光纤通信网络各条链路总时延(ns)》2020.02.25
- 《表2 12条光纤通信网络链路总时延(ns)》2020.02.25
- 《表1 测试服务器配置表：光纤光栅温度传感链路均衡控制》2019.10.25
- 《表1 光纤传感器工作状态的样本数量》2019.10.25
- 《表2 测试样本分类识别结果(D=3)》2019.10.16
- 《表1 光纤链路测试记录表》2019.08.20
- 《表2 测试样本识别准确率》2019.06.16
- 《表4 2种算法部分测试样本识别结果》2019.05.01
- 《表1 测试集样本数量：自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术》2019.03.01
- 《表2 各年度的样本数量：优化神经网络输入指标 提高财报舞弊识别效果》2019.02.20
- 《表2 测试样本故障模式识别结果》2018.03.25