《表1 混沌时间序列预测的MAE和时间》
提示：宽带有限、当前游客访问压缩模式
其中:y（j）为实际输出，为预测输出，N为样本个数.与OS-ELM、OS-RKELM、FFOS-RELM算法进行比较，结果如表1所示.
| 图表编号 | XD0037044600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.01 |
| 作者 | 金秀章、张少康 |
| 绘制单位 | 华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 BP预测模型在各时间段的MSE、MAE、MAPE》2020.09.15
- 《表4 不同预测模型得到的RMSE和MAE》2020.11.10
- 《表3 混沌时间序列性能对比》2021.02.28
- 《表5 不同时间步长下的训练Loss(MAE）值与测试单个硬盘序列消耗的时间》2020.07.01
- 《表1 不同混沌间时间对比》2020.07.01
- 《表A1不同时间步长下MAE和RMSE》2020.06.25
- 《表2 不同预测方法的PEFOT和MAE值》2020.02.01
- 《表1 预测CPU使用情况的MAE和RAE值》2019.11.05
- 《表4 不同预测窗口大小下的MAE、RMSE及总预测时间》2019.10.05
- 《表6 时间复杂度检测：基于三维混沌序列的DEM置乱与还原方法》2019.05.25
- 《表1 Douban数据不同时间节点中的MAE》2019.02.15
- 《表1 加密与解密时间：明文关联的多混沌彩色图像加密算法》2019.04.16
- 《表4 算法误差分析表：基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测》2019.02.01
- 《表1 算法参数设置表：基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测》2019.02.01
- 《表3 决策属性表：基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测》2019.02.01
- 《表2 条件属性表：基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测》2019.02.01
- 《表1 3种时间序列的混沌特性计算结果》2018.06.30
- 《表1 不同提取功率和时间对提取效率的影响 (MAE)》2018.12.14
- 《表7 加密时间对比：基于二维超混沌与三维混沌复合的图像加密算法》2018.11.01
- 《表3 不同模型的澳大利亚数据集22个风电场的不同预测时间的MAE均值Tab.3 The MAE mean under different time prediction of 22 wind farms in Australian data》2018.11.30