《表3 自编码神经网络的神经元连接设置》
提示：宽带有限、当前游客访问压缩模式
在对舰船辐射噪声信号进行一定的预处理后，使用堆叠自编码神经网络逐层提取输入数据的深度特征。针对某商船信号，设计五层自编码神经网络，每一层网络节点数设置如表3所示。
| 图表编号 | XD0081686200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.01 |
| 作者 | 程玉胜、邱家兴、刘振、李海涛 |
| 绘制单位 | 海军潜艇学院、海军潜艇学院、海军潜艇学院、海军潜艇学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 3种网络模型框架：交叉连接的少层残差卷积神经网络》2021.03.01
- 《表3 连接请求报文结构：基于自注意力和自编码器的少样本学习》2021.04.15
- 《表2 鲁棒性评估：TA2NN：一种基于自编码的B超乳腺肿瘤识别神经网络模型》2020.05.15
- 《表1 准确度评估：TA2NN：一种基于自编码的B超乳腺肿瘤识别神经网络模型》2020.05.15
- 《表3 深度自编码神经网络识别率统计》2020.07.05
- 《表5 测试3实验设置：基于深度稀疏自编码刮板输送机故障诊断与分析》2019.10.01
- 《表3 测试1实验设置：基于深度稀疏自编码刮板输送机故障诊断与分析》2019.10.01
- 《表3 系统仿真参数：基于卷积神经网络自编码器结构的空时分组传输方案》2020.07.28
- 《表3 服务权重向量：应用深度自编码网络的网络安全态势评估》2020.03.15
- 《表3 分类结果对比表：基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法研究》2019.12.25
- 《表2 网络参数设置表：基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法研究》2019.12.25
- 《表1 性能监测参数描述：基于长短时记忆—自编码神经网络的风电机组性能评估及异常检测》2019.12.01
- 《表2 开放式编码：参与式议程设置的“神经”：信息困境与精准突围——以网约车议程为例》2020.01.10
- 《表2 开放式编码：参与式议程设置的“神经”：信息困境与精准突围——以网约车议程为例》2020.01.10
- 《表2 网络学习参数设置：基于深度自编码器的大型龙门加工中心热误差建模方法》2019.10.25
- 《表3 车轮神经网络输出层期望输出的故障编码》2019.08.25
- 《表3 利用自适应线性神经元算法更新后的权重》2019.09.20
- 《表2 机组风速设置：基于自组织映射神经网络K-means聚类算法的风电场多机等值建模》2019.08.25
- 《表1 深层自编码器仿真网络参数设置》2019.08.15
- 《表2 两位受试者降噪自编码神经网络分类指标》2019.04.01