《表1 可选特征：小推力转移燃料消耗估计的机器学习方法》
提示：宽带有限、当前游客访问压缩模式
机器学习最重要的是特征参数的选择。燃料最优的小推力转移中，燃料消耗质量由探测器初始质量、转移时间，初始位置速度和末端位置速度决定。表1参数可以作为机器学习的特征。
| 图表编号 | XD0074490500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 李海洋、宝音贺西 |
| 绘制单位 | 清华大学航天航空学院、清华大学航天航空学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 特征提取结果：基于机器学习的海里油耗估计算法》2021.01.20
- 《表3 特征验证：基于机器学习的海里油耗估计算法》2021.01.20
- 《表1 一般临床特征：非小细胞肺癌脑膜转移的个体化治疗分析》2020.12.28
- 《表5 基于故障和完备模式下电推力器布局的燃料消耗对比》2020.09.01
- 《表3 各工序可选机器：基于改进遗传算法的标签印刷生产调度技术》2021.03.10
- 《表5 集中燃气锅炉节能控制方法的燃料消耗结果》2018.02.01
- 《表4 方法的燃料消耗结果》2018.02.01
- 《表1 数据集部分信息：利用机器学习方法预测头颈癌转移风险》2020.06.25
- 《表3 时间消耗比较：基于深度学习的三维点云头部姿态估计》2020.04.10
- 《表1 机器人可选动作：基于增量式RBF网络的Q学习算法》2019.09.01
- 《表4 估计结果比较：小推力转移燃料消耗估计的机器学习方法》2019.04.01
- 《表2 6种特征组合：小推力转移燃料消耗估计的机器学习方法》2019.04.01
- 《表3 小推力转移轨迹信息》2019.04.01
- 《表1 597例非小细胞肺癌患者有无脑转移临床特征分布[n（%）]》2019.05.28
- 《表1 实验数据集：基于机器学习的数据库小数据集并行集成方法》2019.06.08
- 《表1 粒子群算法参数：面向工程约束的小推力转移轨道设计与优化》2019.08.01
- 《表8 工件3每道工序可选机器及其加工时间》2019.04.25
- 《表7 工件2每道工序可选机器及其加工时间》2019.04.25
- 《表6 工件1每道工序可选机器及其加工时间》2019.04.25
- 《表2 不同阈值测试结果：基于机器学习的鼻咽癌转移淋巴结鉴别模型》2019.11.25