《表2 粒子群算法的参数：基于PSO优化BP神经网络的光伏发电量预测》
提示：宽带有限、当前游客访问压缩模式
粒子群算法的参数选取如表2所示。
| 图表编号 | XD0099960400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.25 |
| 作者 | 李燕斌、万亚宁、肖俊明、朱永胜、杨璐、李超、马佳慧 |
| 绘制单位 | 中原工学院电子信息学院、中原工学院电子信息学院、中原工学院电子信息学院、中原工学院电子信息学院、中原工学院电子信息学院、中原工学院电子信息学院、中原工学院电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 PSO算法说明：基于多策略自适应粒子群算法的电网无功优化》2020.08.25
- 《表2 协议仿真参数：基于粒子群优化算法的机载战术网络信道负载预测机制》2020.03.01
- 《表2 预测组样本数据：基于粒子群算法优化BP神经网络的溶浸开采浸出率预测》2020.02.28
- 《表1 训练组样本数据：基于粒子群算法优化BP神经网络的溶浸开采浸出率预测》2020.02.28
- 《表4 神经网络预测结果：基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测》2019.07.28
- 《表3 部分疲劳试验数据：基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测》2019.07.28
- 《表2 试件材料性能参数：基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测》2019.07.28
- 《表2 指标定义：应用于软件缺陷预测模型的量子粒子群优化BP算法》2019.08.01
- 《表1 实验数据：应用于软件缺陷预测模型的量子粒子群优化BP算法》2019.08.01
- 《表2 基于粒子群算法的光伏阵列参数辨识结果》2019.07.28
- 《表2 基于混沌粒子群优化BP神经网络的网络安全风险评估系统》2019.06.08
- 《表1 预测误差统计：基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用》2019.07.15
- 《表1 特征量映射表：改进粒子群优化BP神经网络短期负荷预测研究》2019.06.25
- 《表1 模型变量：基于粒子群算法和BP神经网络的多因素林火等级预测模型》2019.05.25
- 《表1 评价标准：基于改进粒子群算法优化小波神经网络的短时交通流预测》2019.01.15
- 《表1 光伏站历史发电量：基于人工蜂群算法改进BP神经网络的光伏发电量预测》2019.03.20
- 《表1 变量的量化：基于粒子群优化BP网络的山区高速公路交通事故预测模型》2018.10.15
- 《续表1：基于粒子群优化BP网络的山区高速公路交通事故预测模型》2018.10.15
- 《表1 模型输入参数：基于PSO算法的BP神经网络对植被叶片氮素含量的预测》2018.11.25
- 《表1 光伏组件参数：基于粒子群优化算法和电导增量法的多峰值MPPT控制》2019.11.01