《表1 模型的参数设置：基于深度学习的MOOC作弊行为检测研究》
提示：宽带有限、当前游客访问压缩模式
参数设置会直接影响本文模型的检测效果，模型的参数设置如表1所示。
| 图表编号 | XD00212322800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.01 |
| 作者 | 万子云、陈世伟、秦斌、聂伟、徐明 |
| 绘制单位 | 深圳大学电子与信息工程学院、深圳大学机电与控制工程学院、深圳大学信息中心、深圳大学电子与信息工程学院、深圳大学信息中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 实验结果：基于深度学习的MOOC作弊行为检测研究》2021.01.01
- 《表2 目标检测实验结果：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表1 网络参数：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表3 模型训练参数：基于深度学习的关键岗位人员行为分析系统》2021.03.15
- 《表1 模型中的参数设置：基于深度学习的TRMM降水产品降尺度研究——以中国东北地区为例》2020.12.01
- 《表1 实验参数设置：基于改进深度学习的乳腺癌医学影像检测方法》2020.05.15
- 《表4 对齐实验参数设置：基于深度学习的领域知识对齐模型研究：知识网络视角》2020.05.24
- 《表3 模型参数设置：基于深度学习的“教育公平”网络舆情分析》2020.06.15
- 《表2 实验超参数设置：基于深度学习的方志物产资料实体自动识别模型构建研究》2020.08.25
- 《表1 实验参数设置：基于深度学习医疗文本命名实体识别研究》2020.08.18
- 《表1 测试结果：基于CNN深度学习模型的大学生课堂行为检测研究》2020.02.01
- 《表4 超参数的设置：基于深度学习的加密流量分类与入侵检测》2020.01.25
- 《表3 参数设置表：基于深度强化学习的行星车路径规划方法研究》
- 《表1 模型各层参数：基于深度学习的入侵检测研究》2019.06.15
- 《表2 实验结果：基于深度学习的Web注入行为实时检测技术研究》2019.07.01
- 《表1 模型参数设置：基于深度学习的不规则特征识别检测技术》2019.06.20
- 《表4 网络节点设置：基于深度学习的上市公司财务风险预警模型研究》2019.01.08
- 《表4 假设检验汇总：基于TTF和UTAUT模型的MOOC学习行为研究》2019.05.01
- 《表2 可靠性统计量：基于TTF和UTAUT模型的MOOC学习行为研究》2019.05.01
- 《表1 参数设置：基于图卷积网络的深度学习点云分类模型》2019.11.10