全文获取类型
收费全文 | 159篇 |
免费 | 68篇 |
国内免费 | 1篇 |
出版年
2024年 | 7篇 |
2023年 | 10篇 |
2022年 | 19篇 |
2021年 | 14篇 |
2020年 | 17篇 |
2019年 | 7篇 |
2018年 | 3篇 |
2017年 | 4篇 |
2016年 | 7篇 |
2015年 | 4篇 |
2014年 | 17篇 |
2013年 | 13篇 |
2012年 | 12篇 |
2011年 | 14篇 |
2010年 | 10篇 |
2009年 | 16篇 |
2008年 | 10篇 |
2007年 | 7篇 |
2006年 | 12篇 |
2005年 | 6篇 |
2004年 | 3篇 |
2003年 | 3篇 |
2002年 | 4篇 |
2001年 | 3篇 |
1999年 | 1篇 |
1998年 | 2篇 |
1997年 | 1篇 |
1995年 | 1篇 |
1992年 | 1篇 |
排序方式: 共有228条查询结果,搜索用时 15 毫秒
51.
许艳玲 《兵团教育学院学报》2011,(6):71-73
本文从迁移理论出发,以调查维吾尔族母语负迁移为目的,结合访谈、调查问卷和写作,对分布在新疆不同高校里的维吾尔族学生进行了调查研究,最后得出结论:维吾尔族学生在英语学习中受母语负迁移的影响较大,其中与维吾尔语差异最大的语法方面所受母语影响最大,母语思维是产生负迁移的主要原因,其它方面受汉语影响也比较大。基于上述研究,为了避免负迁移的发生,本文提出了相应的建议。 相似文献
52.
赵烨 《武警工程学院学报》2011,(4):64-66
在大学的英语课堂,学生在课堂活动中的有效参与直接影响到教学效果。这就要求教师以创新的教学方式来提高学生的参与度和主动性。以学习迁移理论为依据,提出分层次实施课堂教学活动,阐释了分层式课堂活动的设计与应用,对其优势进行了分析,以期对贯彻“因材施教”教学理念起到参考作用。 相似文献
53.
雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。 相似文献
54.
刘建平 《中国人民武装警察部队学院学报》2007,23(7):72-74
自主学习能力是当今信息时代人们为适应社会发展所必须具备的一种能力。要深刻理解自主学习的内涵、自主学习的理论基础、自主学习的必要性和可行性,探讨在我国当前的教育环境下培养学生自主学习能力的途径,教师在教学过程中应注重学生自主学习能力的培养,更好地发挥其指导者、组织者的作用。敦促学生充分发挥其主观能动性,积极参与教学过程,提高他们的英语综合应用能力和自主学习能力。 相似文献
55.
为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。 相似文献
56.
57.
主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。 相似文献
58.
59.
针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。 相似文献
60.
传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。 相似文献