全文获取类型
收费全文 | 793篇 |
免费 | 28篇 |
国内免费 | 20篇 |
专业分类
林业 | 111篇 |
农学 | 18篇 |
基础科学 | 111篇 |
21篇 | |
综合类 | 326篇 |
农作物 | 12篇 |
水产渔业 | 9篇 |
畜牧兽医 | 197篇 |
园艺 | 29篇 |
植物保护 | 7篇 |
出版年
2024年 | 5篇 |
2023年 | 27篇 |
2022年 | 36篇 |
2021年 | 27篇 |
2020年 | 26篇 |
2019年 | 28篇 |
2018年 | 7篇 |
2017年 | 22篇 |
2016年 | 21篇 |
2015年 | 12篇 |
2014年 | 53篇 |
2013年 | 83篇 |
2012年 | 84篇 |
2011年 | 74篇 |
2010年 | 64篇 |
2009年 | 62篇 |
2008年 | 62篇 |
2007年 | 42篇 |
2006年 | 25篇 |
2005年 | 28篇 |
2004年 | 12篇 |
2003年 | 5篇 |
2002年 | 7篇 |
2001年 | 10篇 |
2000年 | 3篇 |
1999年 | 4篇 |
1998年 | 2篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1988年 | 1篇 |
1982年 | 1篇 |
排序方式: 共有841条查询结果,搜索用时 15 毫秒
1.
基于BERT+BiLSTM+CRF深度学习模型和多元组合数据增广的渔业标准命名实体识别 总被引:1,自引:0,他引:1
为解决渔业标准命名实体识别任务中部分实体语料分布稀疏导致的效果不佳问题,提出了基于多元组合数据增广(data augmentation method based on multiple combination,MCA)的渔业标准命名实体识别方法,该方法融合了基于领域词典的联合替换算法(joint replacement algorithm based on domain dictionary,DDR)、基于槽点保护的随机删除算法(random deletion algorithm based on slot protection,SPD)和基于槽点保护的随机插入算法(random insertion algorithm based on slot protection,SPI)进行语料库的数据增广,首先构建"水产品名称"同类词词典和领域同义词词典,通过两个词典分别对"水产品名称"类实体和随机词进行同类词替换和同义词替换,生成新的句子,以增加目标实体数量和句子的多样性,然后在基于槽点保护的情况下对原句子分别进行随机删除和随机插入操作,在保留实体及上下文特征的情况下进一步丰富语料的多样性,提高模型的泛化能力.结果表明,采用基于融合注意力机制的BERT+BiLSTM+CRF网络模型和多元组合数据增广方法进行渔业标准命名实体识别,准确率、召回率、F1值分别达到了91.73%、88.64%、90.16%,具有较好的效果.研究表明,基于多元组合数据增广的渔业标准命名实体识别方法有效解决了部分实体样本稀疏问题,提升了渔业标准命名实体识别的整体效果. 相似文献
2.
3.
基于记忆模拟退火和A*算法的农业机器人
遍历路径规划 总被引:1,自引:0,他引:1
【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。 相似文献
4.
陈舒蕴 《山东农业大学学报(自然科学版)》2020,51(2)
为了对包含低电压穿越环节的风电机组的风电场建立有效的等值模型,本文讨论了通用模型参数对于风电机组动态特性的影响,提出了基于长短期记忆网络的等值建模方法,以降低限幅环节对建模准确性的影响。以多类型的风电场为例,建立两种算例系统,将文中方法与支持向量机算法进行对比。该方法能有效地提高风电场等值建模的有效性,有一定的参考价值。 相似文献
5.
结合玉环坎门后沙沙滩公园景观工程案例,通过在时间和空间的尺度上进行整合,重塑人们的城市感知,同时也为滨海海岸带改造提供了一种新的思考角度和实现理论。 相似文献
6.
7.
8.
9.
溶解氧(Dissolved oxygen, DO)含量是影响水产养殖产量的重要因素之一,具有时序性、不稳定性和非线性等特点,且其影响因子过多、存在复杂的耦合关系,难以实现精准预测。针对传统长短时记忆神经网络(Long short term memory, LSTM)预测模型易引入冗余数据,且在训练过长序列时会出现梯度消失现象,从而不能捕捉因子间长期的依赖性问题,提出了基于小波变换(Wavelet transform, WT)、卷积神经网络(Convolutional neural network, CNN)和LSTM的溶解氧含量预测模型。首先,使用WT降低数据噪声;然后,使用CNN深度挖掘各变量之间的潜在关系;最后,利用LSTM的时序性预测2h后的水产养殖溶解氧含量。结果表明,本文提出的WT-CNN-LSTM模型预测效果良好,其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954,比传统LSTM模型分别优化了28.87%、21.03%和4.61%。 相似文献
10.