《表5 RBF神经网络检测结果》
提示：宽带有限、当前游客访问压缩模式
9-10项目数据作为检测样本，检测结果，见表5。
| 图表编号 | XD00187285000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.01.01 |
| 作者 | 于伟杰、陈大伟 |
| 绘制单位 | 首都经济贸易大学安全与环境工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 纤维膜的抑菌活性：基于最小二乘法与RBF神经网络的溶解氧检测系统设计》2020.10.15
- 《表1 陶瓷基本属性：基于最小二乘法与RBF神经网络的溶解氧检测系统设计》2020.10.15
- 《表5 RBF神经网络和BP神经网络诊断结果对比表》2021.01.10
- 《表5 AGA-RBF神经网络模型参数》2020.07.25
- 《表2 检测结果表：基于粒子群算法的RBF径向基神经网络教学质量评价模型》2020.07.05
- 《表5 RBF神经网络测试样本测试结果》2020.02.01
- 《表5 网络聚类结果：道路工程SOM-RBF神经网络估价模型研究》2020.01.15
- 《表5 GLONASS系统RBF神经网络模型与灰色模型的对比》2019.12.01
- 《表5 RBF神经网络诊断结果》2019.11.01
- 《表5 轮胎滚动阻力RBF神经网络模型部分预测结果N》2019.10.25
- 《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1 RBF神经网络的预测结果》2019.06.28
- 《表5 改进型RBF神经网络测试结果》2019.04.25
- 《表3 RBF神经网络模拟结果》2019.05.25
- 《表5 RBF神经网络的训练结果》2018.09.01
- 《表1 部分实验数据：基于RBF神经网络的冲击地压检测信息融合方法》2018.07.30
- 《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
- 《表3 RBF神经网络训练结果》2019.10.15
- 《表5 乌拉斯台站径流RBF神经网络预测结果Table 5 Runoff predictions for Wulasitai Station by RBF neural network》2018.08.01
- 《表3 RBF神经网络模型测试结果》2019.11.15