《表1 训练结果：免疫遗传神经网络算法的纱线原料性能反演》
提示：宽带有限、当前游客访问压缩模式
经过10次训练仿真后取试验数据的平均值，最后所得结果如表1所示。
| 图表编号 | XD0037845000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.10 |
| 作者 | 查刘根、谢春萍 |
| 绘制单位 | 江南大学、江南大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 SQP算法、模矢法与遗传算法反演参数计算结果》2020.04.01
- 《表1 4个真实社会网络：基于局部概率解的免疫遗传影响力最大化算法》2020.05.01
- 《表4 免疫遗传算法计算结果》2020.04.01
- 《表4 不同算法性能比较：一种求解车间调度的混合免疫遗传算法》2020.09.08
- 《表3 模型训练误差：基于神经网络遗传算法的磁粒研磨TC4材料工艺参数优化》2020.02.20
- 《表1 遗传算法参数取值：遗传算法和模矢法结合的概率积分法参数反演方法》2020.02.15
- 《表1 部分训练样本：基于遗传算法优化BP神经网络的管道泄漏检测方法研究》2020.01.28
- 《表3 部分训练样本：基于遗传算法优化BP神经网络的管道泄漏检测方法研究》2020.01.28
- 《表1 算法性能对比：基于BP神经网络代理模型的交互式遗传算法》2020.01.15
- 《表1 部分训练数据：基于遗传算法优化BP神经网络的YG8硬质合金耐磨性预测模型》2019.12.25
- 《表6 小倾角（20°）倾滑断层的遗传算法反演结果》2019.09.05
- 《表5 大倾角（60°）倾滑断层的遗传算法反演结果》2019.09.05
- 《表4 小倾角（20°）走滑断层的遗传算法反演结果》2019.09.05
- 《表1 网络训练样本：基于混合神经遗传算法的扩胀管吸能特性预测》2019.05.08
- 《表5 遗传算法优化后BP神经网络训练2》2019.02.20
- 《表4 遗传算法优化后BP神经网络训练1》2019.02.20
- 《表1 基于BP神经网络不同训练算法的性能比较》2019.01.16
- 《表3 算法结果对比表：基于免疫遗传算法的自组织映射网络应用研究》2018.12.01
- 《表2 算法结果对比表：基于免疫遗传算法的自组织映射网络应用研究》2018.12.01
- 《表1 参数设定表：基于免疫遗传算法的自组织映射网络应用研究》2018.12.01