《表2 平均相对误差：用门控循环单元实时预测空战飞行轨迹》
提示：宽带有限、当前游客访问压缩模式
%
式中，xpre为网络预测结果。误差越大，说明网络预测准确性越差。用5 000个样本的平均相对误差衡量不同网络的性能，结果如表2所示。
| 图表编号 | XD00227343600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.01 |
| 作者 | 张宏鹏、黄长强、轩永波、唐上钦 |
| 绘制单位 | 空军工程大学航空工程学院、空军工程大学航空工程学院、空军研究院、空军工程大学航空工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 采样范围及间隔：用门控循环单元实时预测空战飞行轨迹》2020.11.01
- 《表3 主胶囊层参数列表：基于门控循环单元和胶囊特征的文本情感分析》2020.09.10
- 《表1 GRU层参数列表：基于门控循环单元和胶囊特征的文本情感分析》2020.09.10
- 《表2 本文模型预测误差：基于变分模式分解和深度门控循环网络的风速短期预测模型》2018.12.25
- 《表3 各预测模型误差：基于变分模式分解和深度门控循环网络的风速短期预测模型》2018.12.25
- 《表1 采样范围及间隔：基于卷积神经网络的无人作战飞机飞行轨迹实时预测》2020.09.01
- 《表6 不同模型的拟合度：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表4 时间序列数据特征：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表3 站点信息表：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表1 原始数据格式：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表2 到站时间表：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表1 一个飞行循环关键部位应力-时间轨迹、温度-时间轨迹》2020.03.20
- 《表4 分类结果混淆矩阵：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表3 实验训练参数：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表2 实验数据统计：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表2 各种方法预测的平均相对误差（100%)》2020.02.16
- 《表2 不同隐含层单元数对应的平均测试网络相对误差》2020.01.25
- 《表1 模型预测性能：基于门控循环单元网络与模型融合的负荷聚合体预测方法》2019.01.10
- 《表A2预测误差对比：基于门控循环单元网络与模型融合的负荷聚合体预测方法》2019.01.10
- 《表A1模型预测性能：基于门控循环单元网络与模型融合的负荷聚合体预测方法》2019.01.10