《表2 模型通过修改神经网络参数得到的部分预测表》
提示：宽带有限、当前游客访问压缩模式
通过修改各神经网络层神经元个数而得到的预测结果显示如表2所示：
| 图表编号 | XD0084309000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.01 |
| 作者 | 张煌、梁朋、肖琨武、徐嘉蔚、施三支 |
| 绘制单位 | 长春理工大学理学院、长春理工大学理学院、长春理工大学光电工程学院、长春理工大学光电工程学院、长春理工大学理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 通过非房室模型拟合得到的药动学参数》2020.09.08
- 《表1 BP神经网络模型的部分预测误差表》2020.12.15
- 《表3 通过不同模型计算得到的k值与试验得到的k值对比》2020.11.25
- 《表2 实际的健康指数与通过神经网络得到的健康指数》2020.06.25
- 《表4 大气能见度预测模型BP网络迭代算法部分参数设置》2020.06.25
- 《表3 通过幂律模型拟合得到的流动性质参数》2020.08.20
- 《表2 部分神经网络预测脱硫系统SO2排放量算法的输入参数》2020.03.25
- 《表2 部分检验数据：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1 通过中试试验反演得到的建议强度参数取值》2019.12.25
- 《表1 BP模型与DE-BP神经网络模型部分预测结果对比表》2019.10.20
- 《表2 通过序数逻辑回归模型得到更高Ki-67表达的预测因子》2019.08.18
- 《表5 轮胎滚动阻力RBF神经网络模型部分预测结果N》2019.10.25
- 《表3 立柱参数修改模型：基于神经网络的高效强力复合铣床立柱优化设计》2019.09.01
- 《表2 预测模型参数：高速铁路列车晚点时间实时预测的神经网络模型》2019.06.01
- 《表2 部分样本数据：基于改进BP神经网络的供热负荷预测模型》2019.07.15
- 《表2 在径向和轴向温度激励下通过实验数据拟合得到的参数》2018.10.10
- 《表3 不同光谱处理方法得到的火炬松木材纤维长度预测模型的参数》2018.11.18
- 《表2 不同光谱处理方法得到的火炬松木材基本密度预测模型的参数》2018.11.18
- 《表1 RBF神经网络算法构建预测模型的部分预测结果》2018.10.30
- 《表2 GRNN神经网络算法构建预测模型的部分预测结果》2018.10.30