《表5 训练时间、模型参数和预测时间的对比》
从实验结果上看,本文所提出的基于深度神经网络的预测算法STPM的误差百分比相对于其他算法更低图10与图11展示了利用传统方法与深度学习方法进行预测的结果,其中,纵轴为总时长值,横轴为样本ID,拟合线为预测值,散点为真实值.根据真实值与预测值的绝对误差,对真实值的散点颜色进行区分.十字代表300s的误差内,圆圈代表300s~400s的误差,叉号代表400s~500s的误差,三角代表500s~600s的误差,方形代表误差超过600s.
图表编号 | XD00168925900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 赖永炫、张璐、杨帆、卢卫、王田 |
绘制单位 | 厦门大学信息科学与技术学院软件工程系、厦门大学深圳研究院、厦门大学信息科学与技术学院软件工程系、厦门大学深圳研究院、厦门大学深圳研究院、厦门大学航空航天学院自动化系、中国人民大学信息学院计算机系、华侨大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |