《表2 部分原始数据：基于烟花算法与长短时记忆网络的模温预测方法研究》
提示：宽带有限、当前游客访问压缩模式
从某低压铸造生产线数据采集存储系统中获取样本数据600组，结合生成工艺，顺序选取560组数据作为训练数据，下一段时刻剩下的40组数据进行预测数据。部分原始数据见表2。
| 图表编号 | XD00162741600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.28 |
| 作者 | 张典范、栗子豪、程淑红 |
| 绘制单位 | 燕山大学车辆与能源学院、燕山大学电气工程学院、燕山大学电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 预测模型输入数据：基于分时长短期记忆神经网络的光伏发电超短期功率预测》2020.12.10
- 《表5 实验数据集信息表：基于长短期记忆网络的社区演化预测》2020.12.05
- 《表1 方案比选表：基于长短时记忆网络的盾构机刀盘扭矩实时预测》2020.12.01
- 《表3 实验数据：基于实体嵌入和长短时记忆网络的入侵检测方法》2020.07.15
- 《表2 数据类别：基于实体嵌入和长短时记忆网络的入侵检测方法》2020.07.15
- 《表2 网络训练参数：基于长短期记忆网络的滚动轴承寿命预测方法》2020.04.01
- 《表3 预测误差：基于长短期记忆网络的滚动轴承寿命预测方法》2020.04.01
- 《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2 模型分类精度：基于双向长短时记忆网络的改进注意力短文本分类方法》2019.12.25
- 《表1 数据集信息：基于双向长短时记忆网络的改进注意力短文本分类方法》2019.12.25
- 《表3 节假日预测结果：考虑相关因素的长短时记忆网络短期负荷预测方法》2019.12.20
- 《表1 模型输入数据表：考虑相关因素的长短时记忆网络短期负荷预测方法》2019.12.20
- 《表1 超参数的设置：基于TensorFlow平台长短时记忆网络的短期负荷预测》2019.09.25
- 《表2 实验结果：基于TensorFlow平台长短时记忆网络的短期负荷预测》2019.09.25
- 《表1 模型参数的数值：基于长短时记忆网络(LSTM)的上证指数预测》2019.09.30
- 《表2 气象数据：基于长短期记忆神经网络的暖通空调系统能耗预测》2019.02.01
- 《表1 运行数据：基于长短期记忆神经网络的暖通空调系统能耗预测》2019.02.01
- 《表5 混淆矩阵：基于长短时记忆网络的路口转向意图预测》2019.02.28