全文获取类型
收费全文 | 3684篇 |
免费 | 150篇 |
国内免费 | 522篇 |
专业分类
林业 | 226篇 |
农学 | 114篇 |
基础科学 | 1347篇 |
637篇 | |
综合类 | 1711篇 |
农作物 | 56篇 |
水产渔业 | 49篇 |
畜牧兽医 | 111篇 |
园艺 | 22篇 |
植物保护 | 83篇 |
出版年
2024年 | 98篇 |
2023年 | 206篇 |
2022年 | 292篇 |
2021年 | 298篇 |
2020年 | 269篇 |
2019年 | 203篇 |
2018年 | 98篇 |
2017年 | 145篇 |
2016年 | 161篇 |
2015年 | 163篇 |
2014年 | 163篇 |
2013年 | 204篇 |
2012年 | 191篇 |
2011年 | 203篇 |
2010年 | 227篇 |
2009年 | 260篇 |
2008年 | 216篇 |
2007年 | 207篇 |
2006年 | 180篇 |
2005年 | 132篇 |
2004年 | 109篇 |
2003年 | 59篇 |
2002年 | 62篇 |
2001年 | 52篇 |
2000年 | 29篇 |
1999年 | 37篇 |
1998年 | 29篇 |
1997年 | 15篇 |
1996年 | 20篇 |
1995年 | 13篇 |
1994年 | 9篇 |
1993年 | 6篇 |
排序方式: 共有4356条查询结果,搜索用时 15 毫秒
92.
针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F1为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F1值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。 相似文献
93.
94.
95.
以BP神经网络为基础,研究建立了挑流泄洪雾化神经网络模型,并用网络模型模拟了漫湾水电站的泄洪雾化。通过比较表明,人工神经网络在挑流泄洪雾化研究中是可行的,并具有明显的优势。 相似文献
96.
介绍了LM-BP神经网络模型的原理及算法和模型的优点。针对实际水质评价问题,利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,建立了新乡市卫河地面水环境质量综合评价的LM-BP神经网络模型,将模型应用于卫河2011年3月份、9月份的水质评价,并与单因子评价法、模糊综合评价法进行了比较分析。实验结果表明该模型设计合理,泛化能力强,收敛速度快,算法稳定,推导严谨,有较充分的理论依据,应用于水质评价具有其合理性、实用性和有效性,适用于作深入的水环境质量分析。 相似文献
97.
建立了国家技术创新能力评价指标体系,提出了在国家技术创新能力评价中应用基于自组织映射(SOM)神经网络的分类模型,对28个国家技术创新能力进行了分类和评价,通过分析得出了一些有价值的结论,同时验证了模型的有效性。 相似文献
98.
The FCBP(Fuzzy calculating BP) algorithm which is proposed by this paper hasovercome the sensitivity for samples,reduced the number of input layer's samples,lightened the burden of input layer.it is suitable to fuzzy inference and pattern recognition. 相似文献
99.
ZHANG Xin-yan 《保鲜与加工》2004,(5):54-56
While design the fuzzy controller, it is very important to determine the membership function of fuzzy variables.The data can be broadly classified as fuzzy sets by using the classification property of the BP neural network. The author selects a BP neural network with one hide layer and uses S function to the input and hide layer, and linear function to the output layer.Advanced BP algorithm isused to train the BP neural network in the environment of MATLAB . The nearer to the target values is the better the last output is.With the trained BP network , the membership values of the inputs can be got ten. This method has high rate and low error. 相似文献
100.