全文获取类型
收费全文 | 810篇 |
免费 | 130篇 |
国内免费 | 62篇 |
出版年
2024年 | 13篇 |
2023年 | 38篇 |
2022年 | 29篇 |
2021年 | 78篇 |
2020年 | 52篇 |
2019年 | 27篇 |
2018年 | 6篇 |
2017年 | 12篇 |
2016年 | 26篇 |
2015年 | 21篇 |
2014年 | 50篇 |
2013年 | 49篇 |
2012年 | 48篇 |
2011年 | 48篇 |
2010年 | 49篇 |
2009年 | 51篇 |
2008年 | 58篇 |
2007年 | 50篇 |
2006年 | 41篇 |
2005年 | 29篇 |
2004年 | 26篇 |
2003年 | 27篇 |
2002年 | 29篇 |
2001年 | 19篇 |
2000年 | 18篇 |
1999年 | 13篇 |
1998年 | 17篇 |
1997年 | 21篇 |
1996年 | 17篇 |
1995年 | 14篇 |
1994年 | 7篇 |
1993年 | 5篇 |
1992年 | 8篇 |
1991年 | 3篇 |
1990年 | 3篇 |
排序方式: 共有1002条查询结果,搜索用时 15 毫秒
821.
王天虹 《海军工程大学学报》2003,15(1):98-102
结合模糊神经网络和小脑模型连接控制CMAC理论,提出训练时间短、精度高的CMAC模糊神经网络方法,给出了网络结构、算法,并通过一个维修经费预测实例讲述了这种算法. 相似文献
822.
基于自适应模糊神经网络的油料消耗预测模型 总被引:2,自引:2,他引:0
根据我军油料消耗预测方法的现状,利用模糊控制和神经元网络原理,提出了一种新的预计方法。量化的作战条件作为系统的输入,预计作为系统的输出,根据历史的输入、输出数据确定系统的特性,激励预测模型,利用此种方法建立的模型根据历史数据训练后,输入现有作战估计条件,即可对部队日平均油料消耗做出预测。 相似文献
823.
基于混合训练神经网络的武器系统效能评估 总被引:3,自引:2,他引:1
本文采用将遗传算法和神经网络相结合的混合训练神经网络模型 ,分析了其基本思想方法、具体实现过程 ,以及在武器效能评估中的具体应用。实例分析表明 ,该模型用于武器系统效能评估可较好地克服人为因素和模糊随机性的影响 ,使评估结果更为合理可信。 相似文献
824.
登陆作战智能化海上输送装卸载作业系统的设想 总被引:1,自引:1,他引:0
本文提出了采用代理机制 ,构建智能装载实体 ,实现决策机构智能化的方法 ;文章认为 ,使用分层多级代理 ,以及对象间通信、协商、竞争与裁决的机制 ,并通过基于神经网络技术的学习功能 ,能实现装卸载作业系统对复杂规则 ,尤其是军事规则的逐步理解 ,达到智能化装卸载作业方案生成的目的。 相似文献
825.
将模糊神经网络应用于导弹测发控系统的故障诊断。经过仿真发现,模糊神经网络可以充分利用专家知识的不确定性,而且诊断效果很好。 相似文献
826.
为了提高声场波数积分传递函数矩阵法的计算稳定性与精确性,提出基于预估-校正思想的最大截止波数自动选取算法,具有简单可靠、附带计算量小的优点。自由空间球面波算例测试结果表明,传递函数自下而上(单向)求解顺序的计算稳定性相对较差,在声源上方易出现积分核函数非物理发散,需要在不同深度上采用不同的截止波数才能计算出正确结果;而上下对进(双向)求解顺序的计算稳定性与计算精度均较高。 相似文献
827.
基于强化学习的无人机自主机动决策方法 总被引:1,自引:0,他引:1
提出了一种基于连续动作集强化学习的无人机机动决策方法。通过Actor-Critic强化学习构架下的NRBF神经网络输出状态真实效用值与连续动作控制变量,效用值与动作控制变量的输出层共用隐层以简化网络结构。结合相对熵理论设计隐层节点的自适应调整方法,有效减少了隐层节点数目。对输出动作控制变量,采用基于高斯分布的连续动作选择策略,并依据训练次数调整随机动作控制变量的概率分布,提升了网络对未知策略的探索能力。在3种不同空战态势下的仿真验证了该方法的有效性,结果表明该方法生成的策略鲁棒性较强,动作控制量更加精确。 相似文献
828.
829.
830.
为研究管道弯头对非轴对称弯曲波传播特性的影响,采用数值模拟方法研究了不同方向F(1,1)模态导波在弯头处的模态转换和散射特性。研究结果表明:不同方向的F(1,1)模态导波会产生不同的模态转换,其与弯头拱背-拱腹的夹角越大,模态转换程度越大,而夹角为0°时无模态转换产生;弯头会改变F(1,1)模态导波的方向并对散射F(1,1)模态导波幅值产生影响;不同于轴对称导波,影响弯曲波在弯头处反射和透射系数的因素除了弯曲半径和频率外,还有弯曲波激励角度。 相似文献