《表1 基于不同核函数的LWLSTM神经网络DOA估计均方根误差》

《表1 基于不同核函数的LWLSTM神经网络DOA估计均方根误差》   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
《基于局部加权长短时记忆网络的无人机DOA估计算法》


  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

式中:e为核函数通过误差赋予不同样本的权重，使预测值ht更接近标签yt。为选择最合适的核函数，对不同的核函数进行了10次仿真，结果见表1。

图表编号XD00208975300    严禁用于非法目的
绘制时间2020.10.25
作者郭业才、施钰鲲
绘制单位南京信息工程大学电子与信息工程学院、江苏省大气环境与装备技术协同创新中心、南京信息工程大学滨江学院、南京信息工程大学电子与信息工程学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表2 基于不同q值的LWLSTM神经网络DOA估计均方根误差》2020.10.25
  2. 《表2 不同网络结构的均方根（RMSE）误差对比》2021.01.16
  3. 《表2 不同隐含层节点BP神经网络模型的决定系数R2和均方根误差ERMS》2018.09.15
  4. 《表1 不同算法的SOC估计的均方根误差》2021.02.25
  5. 《表2 基于7种核函数的RVM拟合均方误差（εMSE)》2020.12.10
  6. 《表8 基于径向基核函数的PSO-SVM拟合均方误差》2020.12.10
  7. 《表5 基于3种核函数的PSO-RVM拟合均方误差》2020.12.10
  8. 《表4 不同SLAM系统位姿估计均方根误差的对比》2020.10.15
  9. 《表1 不同SLAM系统位姿估计均方根误差的比较》2020.07.15
  10. 《表3 在不同噪声的情况下基于伪逆法、维纳估计法、主成分分析法和高斯核主成分分析法重建的拉曼光谱的均方根误差》2020.03.01
  11. 《表4 基于像素点1和2分别通过伪逆法、维纳估计法和高斯核主成分分析法重建的拉曼光谱的均方根误差》2020.03.01
  12. 《表2 基于伪逆法、维纳估计法、主成分分析法和高斯核主成分分析法重建的拉曼光谱的均方根误差》2020.03.01
  13. 《表1 估计的均方根误差：基于变分贝叶斯原理的SINS/GPS组合导航VB-CKF滤波算法》2019.10.08
  14. 《表2 不同输入信噪比条件下运用不同阈值函数得到的输出均方根误差 (RMSE)》2019.08.10
  15. 《表2 状态估计均方根误差》2019.09.01
  16. 《表3 不同隐含层神经元个数和训练步数下BP网络预报的均方根误差》2019.02.01
  17. 《表1 不同方法估计结果的均方根误差均值》2019.02.01
  18. 《表1 第1组同化后的代价函数和均方根误差》2018.12.15
  19. 《表3 第3组同化后的代价函数和均方根误差》2018.12.15
  20. 《表2 第2组同化后的代价函数和均方根误差》2018.12.15

随机翻阅

《表8 加权平均资本成本计算》 《表2“烟大轮”母型船船桨参数》 《表1 多车道高速公路对应单幅宽度表》 《表2 样品菲系列、二苯并噻吩系列化合物主要参数》 《表4 5例样本原始评价数据》 《表4 提高河流连续性的方法》 《表8 远场长周期地震动作用下隔震支座最大变形值》 《表1 两组患者淋巴结清扫情况比照[n (%) ]》 《表2 正交试验结果：高黏度壳聚糖回收鱼糜漂洗液中蛋白质的研究》 《表2 攻角为30°和90°的WC-12Co涂层冲蚀失重随磨粒量变化情况[10]Table 2 Variation of mass loss of erosion and mass of milling granule at the impa》