《表1 RNN与HMM, BP三种方法的识别率》
提示：宽带有限、当前游客访问压缩模式
为了体现RNN神经网络的语音识别效果，本文也引入传统的HMM模型的数字识别和BP神经网络的数字识别作为对比[15]，如表1，图7所示。
| 图表编号 | XD0078697900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.15 |
| 作者 | 唐美丽、胡琼、马廷淮 |
| 绘制单位 | 南京信息工程大学、南京信息工程大学、南京信息工程大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 字符识别结果：BP网络预测阈值的仪表重影字符识别方法研究》2020.07.10
- 《表3 网络测试结果对比：基于BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析》2020.10.25
- 《表1 在PRHD数据集上DTW算法和HMM算法的识别率》2020.09.25
- 《表1 部分训练样本数据：基于BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析》2020.10.25
- 《表1 部分训练样本数据：基于BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析》2020.10.25
- 《表2 测试样本数据：基于BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析》2020.10.25
- 《表1 三种感知方法的网络攻击识别率（%）》2020.10.01
- 《表5 BP网络识别结果：PCA与ELM模型相结合的矿井突水水源快速识别方法研究》2020.01.20
- 《表1 基于HMM、BP、HMM和BP组合模型的识别率结果对比》2019.08.01
- 《表1 GMM-HMM和DBN-HMM模型对ASI数据集的测试识别率》2019.08.01
- 《表1 BP网络方法分类识别结果》2019.07.05
- 《表1 DNN-HMM语音识别模型与GMM-HMM实验对比》2019.08.15
- 《表3 RNN与BP在不同预报时效下的误差》2019.05.01
- 《表1 HMM手势识别系统的识别效果》2019.05.10
- 《表3 基于规则、模板匹配、HMM与本文的方法对四肢元素动作的识别准确率》2019.02.20
- 《表8 HMM方法下各层识别结果所对应的F1值》2019.02.01
- 《表1 HMM与IL-HMM的识别准确率统计》2018.10.01
- 《表2 轨迹识别对比：基于改进BP神经网络的船舶轨迹识别方法》2019.12.16
- 《表3 基于RNN的表情识别率混淆矩阵》2019.12.16
- 《表7 基于RNN的表情识别率混淆矩阵》2019.12.16