《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》
提示：宽带有限、当前游客访问压缩模式
应用3个故障识别模型在测试集上开展识别工作，统计塑料光纤故障识别准确率，如表3所示。
| 图表编号 | XD00225359400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.25 |
| 作者 | 周玉婷、韦泽训、曲春梅 |
| 绘制单位 | 四川邮电职业技术学院通信工程学院、四川邮电职业技术学院通信工程学院、四川邮电职业技术学院通信工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 基于Fast-RCNN的道路识别模型测试准确率与性能结果》2020.07.18
- 《表4 串行和并行网络的故障识别准确率》2020.09.25
- 《表1 塑料光纤通信系统故障数据集》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 不同模型故障识别准确率》2021.01.15
- 《表3 图像经CLAHE处理后不同模型在测试集上的识别准确率》2020.12.01
- 《表3 模型验证准确率：基于计算机视觉塑料成型缺陷多维检测的研究》2020.07.25
- 《表3 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表3 识别准确率数据：基于VGG的湖面塑料制品漂浮物识别》2020.08.25
- 《表4 识别准确率结果：基于VGG的湖面塑料制品漂浮物识别》2020.08.25
- 《表3 系统的验证准确率：大数据背景下塑料光纤通信系统安全态势诊断研究》2020.08.25
- 《表3 各模型测试准确率：基于多层EESP深度学习模型的农作物病虫害识别方法》2020.08.25
- 《表3 联邦学习系统配置：基于联邦学习的通信诈骗识别模型的实现》2020.04.30
- 《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2 各融合分支子网基于cifar10测试集正确率》2020.02.01
- 《表3 各模型故障识别率：基于AC-CNN模型的过程故障识别》2020.02.16
- 《表1 分类结果说明：基于并行的F-LSTM模型及其在电力通信设备故障预测中的应用》2019.06.24
- 《表3 检测结果：基于分布式光纤传感的变压器绕组变形检测与故障识别可行性研究》2019.05.31
- 《表1 光纤规格：基于分布式光纤传感的变压器绕组变形检测与故障识别可行性研究》2019.05.31
- 《表1 双网络并行模型与其他模型的缺陷识别准确率对比表》2019.11.28