全文获取类型
收费全文 | 952篇 |
免费 | 180篇 |
国内免费 | 95篇 |
出版年
2024年 | 17篇 |
2023年 | 42篇 |
2022年 | 35篇 |
2021年 | 67篇 |
2020年 | 84篇 |
2019年 | 35篇 |
2018年 | 11篇 |
2017年 | 33篇 |
2016年 | 42篇 |
2015年 | 24篇 |
2014年 | 54篇 |
2013年 | 43篇 |
2012年 | 64篇 |
2011年 | 61篇 |
2010年 | 58篇 |
2009年 | 65篇 |
2008年 | 70篇 |
2007年 | 53篇 |
2006年 | 51篇 |
2005年 | 43篇 |
2004年 | 35篇 |
2003年 | 34篇 |
2002年 | 30篇 |
2001年 | 22篇 |
2000年 | 21篇 |
1999年 | 14篇 |
1998年 | 20篇 |
1997年 | 23篇 |
1996年 | 20篇 |
1995年 | 16篇 |
1994年 | 6篇 |
1993年 | 7篇 |
1992年 | 10篇 |
1991年 | 6篇 |
1990年 | 6篇 |
1989年 | 3篇 |
1988年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有1227条查询结果,搜索用时 203 毫秒
131.
利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。 相似文献
132.
发动机表面振动是一种多振源、激励复杂的振动形式,在发动机测试时目标振动信号受到很强的噪声干扰,必须通过有效方法进行信噪分离.介绍了一种利用人工神经网络进行自适应滤波的信噪分离方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型滤除坦克发动机汽缸盖振动信号中的机体振动噪声,提高了信噪比,为汽缸盖振动信号的进一步分析处理奠定了基础. 相似文献
133.
基于BP神经网络的空中目标识别 总被引:2,自引:0,他引:2
空中目标识别是防空作战辅助决策的关键环节之一。根据空中目标的各种属性,建立基于BP神经网络原理的空中目标识别模型。利用MATLAB神经网络train函数训练采集的样本数据,得到稳定的权值和阈值,为后继的目标识别提供依据。该模型利用神经网络的记忆、联想、容错功能,进一步提高空中目标识别的稳定性和可信度。降低了个别传感器误判而造成的目标识别错误概率。 相似文献
134.
135.
针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。 相似文献
136.
针对惯性平台自标定陀螺仪误差系数的可观测度问题,从可观性定义角度出发,提出一种可观测度分析方法。利用状态量解析解表达式中观测量导数的最高阶数定义该状态量的可观测度。在此基础上,研究惯性平台自标定系统可观性与陀螺仪误差系数可观测度,分析系统可观测的状态量及其可观测度,得出陀螺仪本轴一次项误差系数可观测度最差的结论。仿真结果验证了该方法的正确性和有效性,为惯性平台自标定中施矩方案的设计提供了理论依据。 相似文献
137.
针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。 相似文献
138.
139.
用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。 相似文献
140.