《表2 不同模型故障识别准确率》
提示：宽带有限、当前游客访问压缩模式
为了验证本文提出的MCNN模型的有效性，本文使用了CNN网络模型和BP神经网络模型对了对比试验，试验结果如下表2所示。
| 图表编号 | XD00203710600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.15 |
| 作者 | 周永庆 |
| 绘制单位 | 长安大学工程机械学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 测试阶段准确率：基于并行子网的塑料光纤通信故障识别模型》2020.09.25
- 《表2 故障识别准确率：基于卷积神经网络的采煤机截割部传动系统故障识别》2020.10.01
- 《表2 不同模型在测试集上的识别准确率》2020.12.01
- 《表2 不同网络模型结构的识别准确率对比》2021.01.15
- 《表4 不同方法在电机轴承故障模式识别上的准确率对比》2020.11.18
- 《表4 不同网络模型识别准确率对比》2020.06.20
- 《表2 不同组件的网络模型的识别准确率》2020.08.20
- 《表2 不同特征提取模型识别准确率对比》2020.10.15
- 《表2 不同识别模型的OLTC故障识别性能比较》2020.06.10
- 《表2 深度森林故障识别模型预测类别对真实类别的识别准确率》2020.06.25
- 《表3 不同模型的识别准确率》2020.06.01
- 《表5 不同模型的识别准确率》2020.03.01
- 《表4 不同模型的识别准确率》2020.03.01
- 《表2 不同深度卷积网络在ZF5和VGG16模型下的识别准确率》2020.03.08
- 《表4 不同工况下不同方法故障识别正确率对比》2020.02.10
- 《表2 不同方法对5种数据集的故障识别正确率》2020.02.10
- 《表4 不同工况下不同方法的滚动轴承故障严重度识别准确率》2019.12.18
- 《表2 本文算法在不同迭代次数下模型的识别准确率及召回率》2019.04.25
- 《表7 恒定输出故障情况下不同气体识别方法的气体识别准确率》2018.05.01
- 《表5 恒定输出故障情况下不同气体识别方法的气体识别准确率》2018.05.01