《表2 两BP网络与综合证据理论诊断结果》
提示：宽带有限、当前游客访问压缩模式
通过式（1）、式（5）、式（6）对X和Y输出结果进行处理，得到诊断目标的可靠性，两BP网络可靠性分配如表2所示。
| 图表编号 | XD0081644900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.15 |
| 作者 | 任凤娟 |
| 绘制单位 | 郑州城市职业学院机电工程系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 故障诊断输出结果：基于BP神经网络的静止变频器故障诊断方法》2020.10.25
- 《表5 改进DS证据理论故障诊断结果》2020.08.01
- 《表2 BP神经网络的诊断结果》2020.04.01
- 《表2 数据预测对比图：基于灰色理论与BP神经网络瓦斯涌出量预测研究》2020.04.01
- 《表2 数据预测对比图：基于灰色理论与BP神经网络瓦斯涌出量预测研究》2020.04.01
- 《表4 精度检验结果：基于非等时距灰色理论与BP神经网络的钢轨波磨预测》2020.03.01
- 《表A2单一特征SVM的故障诊断结果与机电特征D-S证据理论的故障诊断结果》2020.05.10
- 《表6 轴振动2V特征值：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表5 轴振动2H特征值：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表4 轴振动1V特征值：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表7 流量、压力特征值：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表8 基本可信度分配：基于BP神经网络和证据理论的离心压缩机喘振诊断方法》2020.01.08
- 《表2 基于改进LMD分解特征参数和BP神经网络的部分诊断结果》2020.01.15
- 《表5 数据融合结果对比：基于多域特征与改进D-S证据理论的齿轮故障智能诊断方法》2019.09.15
- 《表5 专家评分结果：基于D-S证据理论的城市轨道交通与常规公交协调综合评价》2019.05.20
- 《表4 诊断结果对比：支持向量机与证据理论融合在电机转子故障诊断中的应用》2019.06.28
- 《表2 轴承诊断结果：基于BP神经网络的采煤机传动机构故障诊断系统研究》2019.08.31
- 《表2 优化前后的BP神经网络综合结果》2019.09.01
- 《表2 BP神经网络诊断模型与X线钼靶和B超诊断结果的比较%Tab.2 Comparison between diagnostic models of BP neural network with mammography and ultras》2019.01.05
- 《表2 信息融合结果：基于信息熵与DS证据理论的电网故障诊断方法》2018.02.20