《表1 PSO-BPNN与BPNN的训练参数》
提示：宽带有限、当前游客访问压缩模式
PSO-BPNN算法和BPNN算法的训练参数见表1。
| 图表编号 | XD0022890100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.07.05 |
| 作者 | 刘丽平、张东霞、孙云超、张义涛、王新迎 |
| 绘制单位 | 中国电力科学研究院有限公司、中国电力科学研究院有限公司、中国电力科学研究院有限公司、华北电力大学电气与电子工程学院、中国电力科学研究院有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 BPNN模型训练参数的确定》2020.10.28
- 《表2 基于不同特征建立的最佳BPNN模型在训练集和预测集中的检测结果》2021.02.25
- 《表1 物性参数表：基于ANSYS和BPNN的开关柜温度场及温度预测研究》2021.02.01
- 《表1 BPNN与PSO-BPNN仿真数据比较》2020.07.25
- 《表2 样本量对BPNN训练过程的影响》2020.05.10
- 《表1 风电机组状态参数：采用GA-BPNN与TLS模型的风电机组异常辨识方法》2020.05.10
- 《表1 PSO算法参数：基于PSO-BPNN的充填体围岩界面抗剪强度预测》2020.03.20
- 《表2 部分试验数据：基于PSO-BPNN的充填体围岩界面抗剪强度预测》2020.03.20
- 《表2 GA-BPNN算法主要参数》2020.02.25
- 《表3 BPNN模型与其他模型的比较》2019.09.01
- 《表3 BPNN和LSSVM参数设置》2019.11.01
- 《表1 输油管道检测数据：基于改进PSO-BPNN的输油管道内腐蚀速率研究》2019.10.30
- 《表2 模型预测误差：基于改进PSO-BPNN的输油管道内腐蚀速率研究》2019.10.30
- 《表1 参数设计：基于BPNN-PID算法的改进型DC/DC变换器控制系统研究》2019.06.20
- 《表3 BPNN预测模块训练结果信息》2019.06.28
- 《表2 不同隐含层节点数下BPNN的误差和训练步数》2019.06.01
- 《表2 BPNN参数设置：面向反应再生过程的量子粒子群多目标优化》2019.02.01
- 《表2 PSO-BPNN与BPNN的预测性能比较Table2 Comparison of predictive performance of PSO-BPNN and BPNN》2018.07.05
- 《表4 PSO-BPNN与BPNN的预测结果Table4 Prediction results of PSO-BPNN and BPNN》2018.07.05
- 《表1 BPNN训练、测试记录表》2018.10.01