《表4 收敛速度与精度：风电机组故障诊断中的粒子群小波神经网络》
提示：宽带有限、当前游客访问压缩模式
粒子群小波神经部分网络输出见表3。收敛速度与精度见表4。
| 图表编号 | XD00162658200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 安永灿、刘铭 |
| 绘制单位 | 长春工业大学数学与统计学院、长春工业大学数学与统计学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 车辆参数：小波神经网络对风力发电机组功率变流器的故障诊断》2021.01.01
- 《表1 主要危险源的等级：海上风电机组分布式控制系统故障诊断与定位研究》2020.10.20
- 《表1 主要设备及其重量：海上风电机组分布式控制系统故障诊断与定位研究》2020.10.20
- 《表1 基于小波分析与RBF神经网络的刮板链故障诊断模型仿真结果》2021.01.01
- 《表1 风电机组各关键部件常用的故障诊断与预测方法》2021.02.25
- 《表1 7种轴承工况：压缩感知和改进深层小波网络在轴承故障诊断中的应用》2020.08.15
- 《表3 粒子群小波神经部分网络输出》2020.02.01
- 《表2 部分数据样本：风电机组故障诊断中的粒子群小波神经网络》2020.02.01
- 《表1 参数设定：风电机组故障诊断中的粒子群小波神经网络》2020.02.01
- 《表2 轴承参数：基于卷积神经网络的风电机组轴承机械故障智能诊断方法》2020.07.30
- 《表1 风电机组各项参数：基于功率曲线分析与神经网络的风电机组故障预警方法》2020.08.31
- 《表3 特征重要度排序：基于功率曲线分析与神经网络的风电机组故障预警方法》2020.08.31
- 《表1 变桨控制阶段：大功率风电机组变桨系统故障诊断方法与技术研究进展》2020.01.01
- 《表4 故障2诊断结果：基于改进深度森林算法的风电机组故障诊断技术研究》2019.11.20
- 《表3 故障诊断精度比较：改进萤火虫算法与小波神经网络相结合的变压器故障诊断》2019.11.08
- 《表4 测试结果：基于小波神经网络的逆变器开路故障诊断方法研究》2019.02.01
- 《表4 样本的网络输入：基于小波神经网络的旋耕装置机械故障诊断研究》2019.09.01
- 《表2 分类器的比较结果：应用深度自编码网络和XGBoost的风电机组发电机故障诊断》2019.01.10
- 《表1 混淆矩阵：应用深度自编码网络和XGBoost的风电机组发电机故障诊断》2019.01.10
- 《表4 故障信息：基于DRSA和BP神经网络风电机组检修决策》2019.11.01