《表2 B2C电子商务信用风险神经网络各神经元权值系数表》
提示：宽带有限、当前游客访问压缩模式
通过上面步骤的网络训练，网络经过85次训练后，达到收敛，最终得出ANN的训练结果如表2所示。
| 图表编号 | XD0090212300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.25 |
| 作者 | 周茜、谢雪梅、王天棋 |
| 绘制单位 | 北京邮电大学经济管理学院、浙江农林大学暨阳学院、北京邮电大学经济管理学院、北京邮电大学经济管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 实验仿真结果：P2P网贷借款人信用风险评估模型——基于思维进化算法优化SKohonen神经网络》2020.10.15
- 《表1 初始神经网络阈值和权值》2020.11.15
- 《表2 BP神经网络隐含层到输出层的权值和阈值》2020.09.25
- 《表1 B2C跨境电子商务代表性网络平台》2020.12.15
- 《表6 竞争层神经元的权值》2020.10.15
- 《表3 成分得分系数矩阵：我国房地产上市公司信用评级研究——基于BP神经网络方法》2020.04.20
- 《表2 神经网络内部权值表》2019.11.01
- 《表2 BP神经网络模型权值系数表》2020.01.10
- 《表2 搅拌摩擦焊前进侧方向温度及其输入参数神经网络的权值和阈值》2020.02.10
- 《表8 我国B2C电子商务信用程度二分类Logistic回归模型》2019.08.25
- 《表4 B2C电子商务信用风险因素之间的直接影响矩阵》2019.08.25
- 《表1 B2C电子商务信用风险测度指标体系的网络参数》2019.08.25
- 《表6 B2C电子商务信用风险的综合影响矩阵分析表》2019.08.25
- 《表5 B2C电子商务信用风险的综合影响矩阵》2019.08.25
- 《表3 B2C电子商务信用风险测度指标权重》2019.08.25
- 《表7 B2C电子商务信用风险综合影响度》2019.08.25
- 《表7 成分得分系数矩阵：P2P网络借贷平台信用风险识别研究》2019.10.10
- 《表4 RBF神经网络的权值》2019.06.28
- 《表3-3检测样本结果：基于BP神经网络的农产品供应链金融应收账款信用风险评估研究》2019.02.25
- 《表2 数据集实验结果：单隐层神经网络输入权值的新算法》2019.12.01