《表2 改进PSO优化RBF神经网络分析结果》
提示：宽带有限、当前游客访问压缩模式
将理论线损值分别带入经过改进PSO优化后的神经网络和标准神经网络的窃电位置分析模型中，其结果分别如表1、表2所示
| 图表编号 | XD00162440800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.20 |
| 作者 | 何立强、赵允、于景亮 |
| 绘制单位 | 国网丹东供电公司、国网丹东供电公司、国网丹东供电公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 RBF、GA-RBF、改进PSO-RBF神经网络性能评价表》2021.01.25
- 《表1 参数优化结果：基于改进PSO的矿井提升机控制系统参数优化设计》2020.06.01
- 《表1 测试样本期望输出：基于PSO优化RBF神经网络的往复式压缩机故障诊断》2020.06.25
- 《表2 粒子群优化RBF神经网络预测值误差分析》2020.04.25
- 《表1 两种算法性能对比：PSO-RBF神经网络在供水管网节能上的应用》2020.01.01
- 《表1 机械臂D-H参数：基于PSO-RBF神经网络的串联机械臂逆运动学分析》2019.12.28
- 《表2 逆解结果：基于PSO-RBF神经网络的串联机械臂逆运动学分析》2019.12.28
- 《表3 不同算法优化结果：基于改进PSO算法的微电网多目标运行优化》2019.10.25
- 《表2 仿真诊断结果：基于自适应遗传优化RBF神经网络的船舶柴油机故障诊断》2019.07.01
- 《表5 优化结果对比：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表3 主成分分析表：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表1 因子水平设计：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表2 优化前后结果对比：运用改进C-SA-PSO算法的电容器优化配置》2019.08.01
- 《表4 PSO-RBF网络检验样本》2019.07.31
- 《表3 PSO-RBF网络训练样本》2019.07.31
- 《表2 优化结果对比：运用PSO算法的自递归RBF网络建模与应用》2019.07.01
- 《表5 改进型RBF神经网络测试结果》2019.04.25
- 《表2 改进PSO算法优化RBF对比》2019.05.25
- 《表3 评价指标结果对比：基于改进PSO-BP神经网络的回弹预测研究》2019.01.01
- 《表5 改进PSO优化RBF神经网络的诊断结果Table 5 Diagnosis results of improved PSO-optimized RBF neural network》2018.09.01