《表3 算法性能比较：干线动态协调控制的深度Q网络方法》
提示：宽带有限、当前游客访问压缩模式
根据实验结果，各类算法在主干道平均每轮的车均延误与停车次数如表3所示。
| 图表编号 | XD00174133900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.10 |
| 作者 | 郭瑝清、陈锋 |
| 绘制单位 | 中国科学技术大学信息科学技术学院、中国科学技术大学信息科学技术学院、安徽中科龙安科技股份有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同算法间的比较：基于深度多步时空神经网络的电动汽车负荷时空动态负荷预测》2020.08.01
- 《表4 优化后生成方案：基于数解法的干线协调控制方法改进》2020.12.01
- 《表5 现状及模型干线信号协调控制延误比较》2021.03.01
- 《表3 算法测试结果：基于深度置信网络的用电负荷分析方法研究》2021.02.20
- 《表1 干线各交叉口间距：干线动态协调控制的深度Q网络方法》2020.06.10
- 《表3 两种网络性能比较：基于PID和深度卷积神经网络的辐射源识别方法》2020.07.01
- 《表1 干线交叉口流量：考虑绿灯协调位置的双向绿波控制算法》2020.07.25
- 《表3 控制性能指标分析：基于Q学习的供热末端自适应PID控制算法》2020.06.25
- 《表3 对比算法测试结果：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表2 聚类外部验证指标：基于深度Q网络的一致性聚类方法》2020.03.01
- 《表3 数据集信息：基于深度Q网络的一致性聚类方法》2020.03.01
- 《表2 动态网络仿真参数：改进的低时延全回波Q路由算法》2020.04.01
- 《表4 干线协调参数表：干线交叉口信号协调控制优化设计及评价分析》2019.12.01
- 《表2 RRT算法与模糊贝叶斯-深度Q网络算法规划效率对比》2019.07.16
- 《表1 RRT算法与模糊贝叶斯-深度Q网络算法通行性对比》2019.07.16
- 《表4 仿真结果对比：考虑速度波动区间的城市干线双向绿波协调控制模型》2019.05.28
- 《表1 算例参数取值：考虑速度波动区间的城市干线双向绿波协调控制模型》2019.05.28
- 《表3 考虑速度波动区间的干线协调控制模型的求解结果》2019.05.28
- 《表3 两种控制算法的动态性能指标对比》2019.07.15
- 《表3 平均Q值和标准差：基于动态融合目标的深度强化学习算法研究》2019.04.01