《表7 不同训练次数辨识效果》
提示：宽带有限、当前游客访问压缩模式
令粒子数为20，最大训练次数从380增加至420，结果如表7所示。当最大训练次数等于400时，辨识误差趋于稳定，选定最大训练次数为400。
| 图表编号 | XD0097366000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 李俊晖、石守东、谢志军、徐淼华、方劲 |
| 绘制单位 | 宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同训练次数对识别率的影响》2020.09.10
- 《表4 不同迭代次数下的模型训练及预测结果》2020.09.27
- 《表2 辨识次数和最小残差统计表》2020.11.01
- 《表1 不同训练次数下的预测模型准确度分析》2020.12.25
- 《表1 不同训练次数下的各指标与训练用时比较》2021.01.10
- 《表2 不同隐含层节点数的训练次数》2020.04.01
- 《表4 ILN-CNN不同迭代次数训练结果》2020.03.20
- 《表7 南昌市高校网球运动教师任职以后参加网球运动训练专项培训次数（n=295)》2020.01.15
- 《表1 两组小鼠不同训练次数下的学习成绩提高率(%)》2020.04.01
- 《表2 不同隐含层网络误差和训练次数》2020.02.25
- 《表6 不同粒子数量辨识效果》2019.06.01
- 《表7 战术训练效果调查（n=8)》2019.08.01
- 《表2 不同强度抗阻训练时完成的总重复次数和总训练负荷比较》2019.05.28
- 《表2 不同隐含层节点数、迭代次数模型训练误差对比》2019.04.01
- 《表3 不同B-P算法的收敛时间及训练次数》2019.06.15
- 《表3 不同预训练批次大小和反向传播次数的实验结果》2019.04.15
- 《表7 BP算法和本文模型在训练中的迭代次数》2019.01.05
- 《表2 不同的训练次数时经典CNN和TCNN的平均错误率》2019.01.30
- 《表7 平均每月篮球训练次数》2019.04.15
- 《表2 辨识训练样本：概率神经网络在物质浓度辨识中的应用》2019.11.01