《表1 标准BP神经网络与SSAESMFA决策准确率对比表》
提示：宽带有限、当前游客访问压缩模式
本实验在训练集A上分别使用SSAESMFA模型和双隐层BP神经网络模型进行决策，计算不同的模型在不同的迭代次数下的准确率。实验结果如图5和表1所示。
| 图表编号 | XD0030645700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.15 |
| 作者 | 史册、裘炅 |
| 绘制单位 | 杭州电子科技大学计算机学院、杭州电子科技大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 BP神经网络准确率比较》2020.12.25
- 《表1 原始信息决策表：利用粗糙集和双隐层BP神经网络的小麦籽粒品种分类》2020.10.01
- 《表2 BP神经网络识别准确率》2021.02.01
- 《表1 GACO-BP与标准BP神经网络模型训练速度对比》2020.05.20
- 《表1 不同投影方法及BP神经网络结构参数配置下的盲文字符识别准确率》2020.07.25
- 《表1 整车主要参数表：基于BP及其优化神经网络的双电机多挡AMT挡位决策研究》2020.01.15
- 《表2 投标决策项目评价值及BP网络输出》2019.12.30
- 《表1 BP模型与DE-BP神经网络模型部分预测结果对比表》2019.10.20
- 《表8 BP神经网络模型下两种约简算法预测准确率对比》2019.09.01
- 《表1 BP神经网络输出与期望输出对比》2019.04.15
- 《表1 不同卷积实验在BP神经网络分类器测试集准确率》2019.01.10
- 《表1 优化BP神经网络算法的识别准确率》2019.02.01
- 《表2 二维决策表：基于改进BP神经网络的饮料销售预测模型研究》2018.09.28
- 《表6 BP与RBF准确率对比 (PM10)》2018.02.15
- 《表3 BP与RBF准确率对比 (SO2)》2018.02.15
- 《表1 偏好属性：基于DRSA和BP神经网络风电机组检修决策》2019.11.01
- 《表6 故障风机信息统计：基于DRSA和BP神经网络风电机组检修决策》2019.11.01
- 《表2 序信息系统：基于DRSA和BP神经网络风电机组检修决策》2019.11.01
- 《表4 故障信息：基于DRSA和BP神经网络风电机组检修决策》2019.11.01
- 《表3 规则集合：基于DRSA和BP神经网络风电机组检修决策》2019.11.01