《表4 不同模型的性能对比单位：》
提示：宽带有限、当前游客访问压缩模式
为了验证EACNN模型的先进性，选择了SVM、KNN、LSTM、GRU和ACNN作为基线模型，实验结果如表4。
| 图表编号 | XD00201771600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.10 |
| 作者 | 周超然、赵建平、马太、周欣 |
| 绘制单位 | 长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 不同网络模型下车型分类Accuracy对比单位：%》2020.10.10
- 《表4 不同输入特征向量下预测模型性能对比》2020.10.10
- 《表5 放大倍数为4时不同损失函数下模型性能对比》2021.04.15
- 《表4 不同模型在HVR上的性能对比》2021.02.10
- 《表4 不同模型下3D-ACC与2D-ACC的计算性能效率对比》2020.12.05
- 《表2 不同模型的性能对比》2020.09.16
- 《表4 选用不同二阶段学习器测试性能对比（单位：%）》2020.04.01
- 《表4 不同模型木材种类识别性能对比》2020.08.05
- 《表5 不同模型的性能对比》2020.01.30
- 《表4 不同模型的识别性能对比》2020.01.25
- 《表4 不同站点数据的各预测模型性能指标对比》2020.02.01
- 《表2 不同模型的性能对比》2020.01.01
- 《表4 时间性能对比表 (单位:s)》2019.09.01
- 《表7 不同模型的性能对比》2019.08.10
- 《表5 不同网络模型的性能对比》2019.07.16
- 《表2 不同匹配优化的测距性能对比 (单位:mm)》2019.07.30
- 《表4 模型周期对比 (前三阶) 单位:s》2019.03.15
- 《表2 不同类型模型的性能对比》2019.04.15
- 《表3 在MS COCO 2014测试集中使用不同方法的性能对比 (单位:%)》2019.01.30
- 《表1 在PASCAL VOC 2012新测试集中使用不同方法的性能对比 (单位:%)》2019.01.30