《表5 鲁棒性验证数据集：基于BP神经网络的GNSS-R海面风速反演》
提示：宽带有限、当前游客访问压缩模式
为进一步验证反演方法的鲁棒性，选取样本数据库以外的新数据集，经过步骤1中数据处理去冗余和泛化过程后形成验证数据集，如表5所示。
| 图表编号 | XD002736400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.25 |
| 作者 | 高涵、白照广、范东栋 |
| 绘制单位 | 航天东方红卫星有限公司、航天东方红卫星有限公司、航天东方红卫星有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 在VOT-2018数据集上，与最新技术在EAO、准确率、鲁棒性和运行速度上的比较》2021.01.16
- 《表1 在VOT-2016数据集上，与最新技术在EAO、准确率、鲁棒性和运行速度上的比较》2021.01.16
- 《表2 鲁棒性评估：TA2NN：一种基于自编码的B超乳腺肿瘤识别神经网络模型》2020.05.15
- 《表3 无量纲权重值设置：基于不确定需求的公共交通网络鲁棒性优化方法》2020.07.05
- 《表4 算法参数取值：基于不确定需求的公共交通网络鲁棒性优化方法》2020.07.05
- 《表2 客运需求信息：基于不确定需求的公共交通网络鲁棒性优化方法》2020.07.05
- 《表5 计算结果：基于不确定需求的公共交通网络鲁棒性优化方法》2020.07.05
- 《表1 UCI数据集信息：非贪婪的鲁棒性度量学习算法》2020.09.16
- 《表1 鲁棒性测试：基于深度残差网络的医学图像鲁棒可逆水印算法》2020.05.01
- 《表2 验证数据：基于BP神经网络的堆肥物料抗剪强度预测模型》2020.04.01
- 《表5 测试集数据：基于BP神经网络的条带刚凸特征回弹预测》2020.03.25
- 《表1 Fi与ki对比：基于PCNC的航路网络拓扑结构鲁棒性优化》2019.12.01
- 《表3 关键节点数据：基于PCNC的航路网络拓扑结构鲁棒性优化》2019.12.01
- 《表2 数据集：基于BP神经网络的高速逃费监测系统》2020.01.01
- 《表4 SOC估算鲁棒性验证误差统计》2019.10.25
- 《表5 BP神经网络模型训练集、验证集、测试集和总体的拟合情况Table 5 Training, verification, esting sets and total fitting of BP neural network model》2018.05.01
- 《表1 仿真系统参数：GNSS-R海面风场反演模型仿真分析》2018.09.20
- 《表2 数据采样列表：基于BP神经网络的GNSS-R海面风速反演》2019.12.25
- 《表4 不同数据集模型风速反演结果列表》2019.12.25
- 《表3 输入数据集信息：基于BP神经网络的GNSS-R海面风速反演》2019.12.25