《表7 包络法、无迁移机器学习和迁移学习在目标领域上的对比实验结果》
提示：宽带有限、当前游客访问压缩模式
注：↑↑符号表示该观测实验相较于对照实验组，在性能上得到了提升。
实验结果如表6和表7所示，通过观察对比，由表6可得到：
| 图表编号 | XD00222682500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.10 |
| 作者 | 张晨曦、唐曙、唐珂 |
| 绘制单位 | 中国科学技术大学计算机科学与技术学院、中国文昌航天发射场指挥控制中心、南方科技大学计算机科学与工程系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 包络法、无迁移机器学习和迁移学习在目标领域上的实验设置对比》2020.09.10
- 《表6 包络法与无迁移机器学习在不同规模数据集上的实验结果对比》2020.09.10
- 《表4 包络法与无迁移机器学习在不同规模数据集上的实验设置对比》2020.09.10
- 《表7 角接触球轴承数据下不同迁移学习算法对比结果》2021.02.01
- 《表1 迁移学习法与人工提取法对比分析》2020.12.25
- 《表1 传统的机器学习和迁移学习的比较》2020.11.01
- 《表2 实验分组划分：基于共享知识迁移学习的跨领域推荐研究》2020.06.01
- 《表1 迁移学习与传统机器学习》2020.05.01
- 《表3 有无迁移学习的实验对比》2020.06.15
- 《表2 对比实验结果：基于深度迁移学习的业务流程实例剩余执行时间预测方法》2020.03.25
- 《表2 归纳式、直推式与无监督3种迁移学习对比》2020.03.20
- 《表2 迁移学习的分类：迁移学习在机械设备预测性维护领域的应用综述》2019.12.25
- 《表6 综合实验结果对比：肝癌患者在线提问的命名实体识别研究:一种基于迁移学习的方法》2019.12.25
- 《表4 数据集实验结果：基于迁移学习和AlexNet的驾驶员行为状态识别方法》2019.10.08
- 《表3 不同分词结果对比：基于深度学习和迁移学习的领域自适应中文分词》2019.09.01
- 《表1 相关分词规定：基于深度学习和迁移学习的领域自适应中文分词》2019.09.01
- 《表3 实验结果对比：基于迁移学习的电力通信网异常站点业务数量预测》2019.05.01
- 《表7 实验参数：全卷积神经网络仿真与迁移学习》2019.05.01
- 《表1 传统机器学习方法和不同类别迁移学习方法的关系》2019.05.01
- 《表1 实验对象特征表：迁移学习和空间协方差模型在研究脑萎缩和白质高信号关系中的应用》2019.01.15