《表3 径向基神经网络预测结果Tab.3 Prediction results of RBF NN》

《表3 径向基神经网络预测结果Tab.3 Prediction results of RBF NN》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《技术站列车晚点时间预测方法》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

4) 设置误差容限为10-8，扩散因子为22，最大神经元个数为101.进行训练并在Intel（R）Core（TM）i3-3200M CPU 2.5GHz、4G RAM计算机运行Matlab软件求解，运行时间为2.3s，结果如表3所示.预测结果与真实值对比如图1所示.

图表编号XD00188783400    严禁用于非法目的
绘制时间2018.02.01
作者孙略添、宋瑞、何世伟、殷玮川
绘制单位北京交通大学城市交通复杂系统理论与技术教育部重点实验室、北京交通大学城市交通复杂系统理论与技术教育部重点实验室、北京交通大学城市交通复杂系统理论与技术教育部重点实验室、北京交通大学城市交通复杂系统理论与技术教育部重点实验室
更多格式高清、无水印（增值服务）

相关图表

  1. 《表7 磁学参数径向基函数（RBF）插值的交叉验证结果》2020.09.01
  2. 《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
  3. 《表3 扩展系数为0.35时的复合改性钠基蒙脱土/橡胶复合材料径向基函数(RBF)神经网络模型逼近误差》2019.10.01
  4. 《表3 RBF-NN负荷预测模型输出节点》2019.07.20
  5. 《表3 2009年第4季度至2016年第3季度西安市总出生缺陷季度发生率 (1/万) 的预测结果及误差Tab.3 Prediction results and errors of the quarterly birth defects in》2019.01.05
  6. 《表3 油介损的仿真预测结果Tab.3 Prediction results of oil dielectric loss factor》2019.01.25
  7. 《Table 3 Results of location prediction表3位置预测结果》2019.01.01
  8. 《表3#9号点疲劳寿命预测结果Tab.3 Fatigue life prediction results of test point#9》2019.02.15
  9. 《表3 GN68号点不同预测模型结果比较/mm Tab.3 Comparison of the Results of Different Prediction Models of GN68Point/mm》2019.02.05
  10. 《表3 各模型对太原市AQI的预测结果比较Tab.3 Comparison of prediction results of each model for Taiyuan AQI》2018.08.01
  11. 《表3 灰色模型预测结果Tab.3 Results of grey model prediction》2018.08.25
  12. 《表3 预测结果对比Tab.3 Prediction results comparison》2018.04.25
  13. 《表3 45#钢两级加载试验数据及各模型剩余寿命预测结果Tab.3 Two stage loading test data of 45#steel and prediction results of residual life of each》2018.08.01
  14. 《表3 预测结果误差表Tab.3 Error comparison of prediction results》2018.10.25
  15. 《表3 预测效果分析Tab.3 Analysis of Prediction Result》2018.12.10
  16. 《表3 GA-NN和AMPSO-NN预测模型的站点预测结果对比Tab.3 Comparison of site prediction results between GA-NN and AMPSO-NN》2018.12.01
  17. 《表2 IRI2016和NN预测模型的站点预测结果对比Tab.2 Comparison of site prediction results between IRI2016and NN》2018.12.01
  18. 《表3 两种模型预测结果Tab.3 Prediction results of two models》2018.03.25
  19. 《表2 BP神经网络的预测样本及预测结果Table 2 The test samples and the prediction results of BP neural network》2018.06.01
  20. 《表3 LED测试样本网络预测寿命及误差数据Tab.3 List of LED sample prediction lifetime and data of errors》2018.05.03

随机翻阅

《表1 纳入文献的基本资料》 《表2 生活污水典型排放标准限值（单位：mg/L)》 《表1 诱导点、分流点、管制点设置一览》 《表5 右线固化前TQI值》 《表3 江西省经济类节点统计表》 《表2 医护人员应急救援知识分级情况》 《表3 本文算法与HM 16.9的实验结果比较》 《表1 1～4月燃油分析》 《表3 各种材料基本性能Tab.3 The basic performance of various materials》 《表1 外部温度的故障诊断标准表》