全文获取类型
收费全文 | 3227篇 |
免费 | 200篇 |
国内免费 | 490篇 |
专业分类
林业 | 178篇 |
农学 | 64篇 |
基础科学 | 1250篇 |
625篇 | |
综合类 | 1544篇 |
农作物 | 51篇 |
水产渔业 | 40篇 |
畜牧兽医 | 90篇 |
园艺 | 15篇 |
植物保护 | 60篇 |
出版年
2024年 | 77篇 |
2023年 | 187篇 |
2022年 | 249篇 |
2021年 | 247篇 |
2020年 | 252篇 |
2019年 | 199篇 |
2018年 | 100篇 |
2017年 | 137篇 |
2016年 | 151篇 |
2015年 | 156篇 |
2014年 | 155篇 |
2013年 | 190篇 |
2012年 | 179篇 |
2011年 | 183篇 |
2010年 | 203篇 |
2009年 | 239篇 |
2008年 | 192篇 |
2007年 | 188篇 |
2006年 | 163篇 |
2005年 | 102篇 |
2004年 | 89篇 |
2003年 | 45篇 |
2002年 | 53篇 |
2001年 | 43篇 |
2000年 | 22篇 |
1999年 | 27篇 |
1998年 | 28篇 |
1997年 | 15篇 |
1996年 | 16篇 |
1995年 | 12篇 |
1994年 | 9篇 |
1993年 | 7篇 |
1990年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有3917条查询结果,搜索用时 109 毫秒
81.
以落叶松木材为研究对象,实验在东北林业大学干燥实验室进行,采用MATLAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,用落叶松木材的干燥温度、湿度、循环风速及平衡含水率作为输入变量,以木材含水率作为输出变量,构建了4∶S∶1的木材干燥的BP人工神经网络模型。用120组数据对网络模型进行训练及检验,得最适宜的网络结构为4∶10∶1,均方误差函数mse=0.001 7,总体拟合精度为96.86%。该模型能够运用到相同条件下的其他树种的木材干燥。 相似文献
82.
从DNA序列片段个案中密码子分布密度角度出发,提取出DNA序列片段的特征,基于氨基酸分子中侧链基极性性质把氨基酸分成5大类,计算5大类出现的频率,这种考虑生物意义的特征提取方法不仅考虑碱基的含量,还在一定程度上考虑碱基的排列顺序,应用层次聚类分析方法和BP神经网络法对DNA序列片段进行分类。结果表明,2类算法分类结果精度较高,且一致性也较高。说明这种特征提取法比传统的单纯考虑碱基的特征提取法效果更优。 相似文献
83.
84.
采用常规气象观测资料建立了兰州市太阳总辐射BP神经网络预测模型,利用神经网络释义图和连接权法剔除了模型中的冗余变量,用优化的BP网络模型预测了兰州市1996-2000年的太阳辐射,并用实测数据验证了该模型。结果表明:该方法增加了模型的透明度,提高了模型的可靠性和鲁棒性,模拟结果与实测值非常吻合,模拟值的各项误差指标值均很小,模拟值与实测值的拟合优度R2达到0.987,通过与其他经验模型的模拟结果进行对比,优化的BP网络模型的模拟效果最好,精度明显高于其它经验模型。因此,对于无太阳辐射观测的地区,优化后的BP网络模型是预测当地太阳辐射的一种有效方法。 相似文献
85.
【目的】研究植物茎体水分数据,针对相同数据段上的缺失数据,对比不同数据填补方法,验证LSTM模型填补茎干水分数据的有效性及准确性。【方法】选取2017年6月份栽种在北京市海淀区的紫薇树茎体水分完整数据,人工删去部分数据作为缺失数据,分别使用插值方法、RNN神经网络、LSTM神经网络对缺失部分进行填补,填补结果与原始数据比对并分析结果。基于神经网络预测值误差随预测时刻推后而增大的误差分布情况,本文提出了在神经网络预测值基础上加入对数据后期处理的方法:从缺失数据的正向和反向进行预测,将2个方向的预测值各自乘以一组按照预测时刻递减的权重值并相加,结合2个预测方向的优势,进一步提高预测准确度。【结果】3种方法中,RNN与LSTM神经网络方法较传统的插值方法优势明显:插值方法准确度在缺失值增多时迅速下降;神经网络方法下降速度较慢。当填补值与真实值误差在2%以内作为准确时,插值方法的填补准确率不足50%,RNN方法达到50%且不足60%,LSTM方法达到80%以上;当填补值与真实值误差在4%以内作为准确时,插值方法填补准确率为60%,RNN方法准确度最高达到90%,LSTM方法准确率在95%以上。在此基础上加入权重处理,对LSTM预测结果处理后误差在2%以内准确率达到97%,误差在3%以内准确率达到100%。选取一组测试数据代入模型,预测结果比训练数据预测结果精度有所下降,但双向预测方式优势更加明显。【结论】采用基于LSTM模型的双向综合预测法,可显著减小长期预测中的累计误差对预测结果的影响,提升了预测数据的准确度。与其他两类数据填补方法相比,基于LSTM神经网络的数据填补方法在长期缺失的时间序列数据填补上有较大优势。 相似文献
86.
87.
智能轨迹控制割草机器人设计——基于FPGA神经网络 总被引:1,自引:0,他引:1
为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。 相似文献
88.
以农业机器人精密轨迹优化自动控制为目标,在优化算法中引入BP神经网络与计算力矩法结合的自动控制器,旨在减少作业过程中的运动误差,提高其工作效率。首先,建立农业机器人数学模型,分析其运动学和动力学原理;然后,设计了农业机器人运动控制系统,引入BP神经网络对不确定动力学因素进行判断,并提出解决该因素的自适应学习法;最后,对该系统运用Mat Lab进行了仿真。试验表明:以BP神经网络与计算力矩法结合的自动控制器可以有效优化机器人运动路径,提高机器人整体作业效率,系统运行稳定、可靠性强,且对外部环境的干扰因素具有较强的自适应学习能力。 相似文献
89.