《表4 训练阶段所需时间：基于方法约束关系的代码预测模型》
提示：宽带有限、当前游客访问压缩模式
为了评估CPMMC模型的时间复杂度，分别计算了对于不同大小的训练集，代码抽象和构建N-gram模型所需要的时间，并与SLANG模型[6]进行了比较。实验结果如表4所列。
| 图表编号 | XD0035519200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.15 |
| 作者 | 方文渊、刘琰、朱玛 |
| 绘制单位 | 数学工程与先进计算国家重点实验室、数学工程与先进计算国家重点实验室、数学工程与先进计算国家重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 行程时间预测误差：基于参与式机器学习方法的行程时间动态预测模型》2021.02.01
- 《表4 4种模型训练时间和预测时间对比》2021.03.01
- 《表2 基于一般CNN与基于改进CNN的预测模型的评价指标和训练时间》2021.02.20
- 《表6 模型训练时间：基于云平台的工业用电分析与预测》2020.12.15
- 《表4 预测精度对比：基于ARIMA模型的变压器油中溶解气体含量时间序列预测方法》2020.03.10
- 《表4 模型检索所需时间：基于形状分布式模型检索的农机装备快速设计方法》2020.05.25
- 《表1 不同模型训练时间：基于Bi-LSTM的家庭用电量预测》2020.04.25
- 《表6 预测值及残差：基于数据拟合方法的电池剩余放电时间模型研究》2020.08.20
- 《表2 训练集样本：基于SVR模型的建筑空调系统能耗预测方法》2020.08.25
- 《表3 基于学习的链路预测方法开源代码实现》2020.02.01
- 《表4 预测平均绝对误差及模型训练时间》2020.03.20
- 《表1 训练样本情况表：一种基于行为集成学习的恶意代码检测方法》2019.08.01
- 《表3 训练阶段不同方法预测能量消化率性能比较》2019.07.01
- 《表2 训练阶段不同方法预测饲粮消化能性能比较》2019.07.01
- 《表5 训练阶段不同方法预测能量消化率ED性能比较》2019.09.25
- 《表5 训练时间：基于GRU-RNN模型的城市主干道交通时间预测》2019.08.01
- 《表4 不预测模型的优化训练时间比较》2019.06.01
- 《表7 模型训练时间：基于dCNN的入侵检测方法》2019.01.01
- 《表2 Java类的分类：基于方法约束关系的代码预测模型》2019.01.15
- 《表B1整体算法伪代码：基于GRU-NN模型的短期负荷预测方法》2019.03.10