全文获取类型
收费全文 | 730篇 |
免费 | 28篇 |
国内免费 | 21篇 |
专业分类
林业 | 41篇 |
农学 | 23篇 |
基础科学 | 50篇 |
101篇 | |
综合类 | 496篇 |
农作物 | 5篇 |
水产渔业 | 13篇 |
畜牧兽医 | 28篇 |
园艺 | 13篇 |
植物保护 | 9篇 |
出版年
2024年 | 3篇 |
2023年 | 8篇 |
2022年 | 11篇 |
2021年 | 20篇 |
2020年 | 8篇 |
2019年 | 13篇 |
2018年 | 8篇 |
2017年 | 14篇 |
2016年 | 26篇 |
2015年 | 19篇 |
2014年 | 39篇 |
2013年 | 32篇 |
2012年 | 37篇 |
2011年 | 45篇 |
2010年 | 50篇 |
2009年 | 68篇 |
2008年 | 106篇 |
2007年 | 94篇 |
2006年 | 58篇 |
2005年 | 38篇 |
2004年 | 25篇 |
2003年 | 12篇 |
2002年 | 10篇 |
2001年 | 10篇 |
2000年 | 4篇 |
1999年 | 7篇 |
1998年 | 4篇 |
1997年 | 3篇 |
1995年 | 2篇 |
1994年 | 2篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有779条查询结果,搜索用时 15 毫秒
141.
病害是我国养蚕业健康发展面临的主要威胁之一,为研究机械化养蚕模式下的家蚕病害防治方法,采用卷积神经网络进行家蚕病害图像的识别研究。首先在实际环境下,采用饲养和添食病原的方法,集中获取家蚕品种芳·秀×白·春在大蚕期的部分生长阶段下患脓病、微粒子病、白僵病、细菌病、农药中毒以及健康状态的样本,并开展图像采集工作,构建出家蚕病害图像数据集。其次采用特征融合和缩减结构的方法,对残差神经网络进行部分改进,以避免直接使用该算法会导致不必要的计算耗损。最后进行家蚕病害识别试验。结果表明:卷积神经网络能够高效准确识别家蚕病害图像,使用改进的算法在测试集上的准确率达到94.31%,与标准的残差神经网络准确率相当,但训练的参数量仅为原来的1/3,且识别效率大幅提升,更有利于网络的训练与部署。 相似文献
142.
"CALIS重点学科导航库"与"方略-学科导航库"的比较分析 总被引:1,自引:0,他引:1
本文通过对数据库内容比较、检索功能比较、数据使用方式比较以及可持续发展比较.可得出"CALIS重点学科导航库"与"方略-学科导航库"是各有千秋,各有自己的特点,为我们建设学科导航数据库提供了新的思路. 相似文献
143.
144.
针对单一的自然场景图像信息不能满足准确识别果实和精准定位目标的要求,提出一种多尺度分解双寻优策略简化脉冲耦合神经网络(Simplified Pulse Coupled Neural Network, SPCNN)的飞行时间(Time of Flight,ToF)与可见光果园苹果图像融合模型。对SPCNN模型引入带参数优化的双寻优策略,对非下采样轮廓波变换(Nonsubsampled Contourlet Transform, NSCT)融合规则进行改进。模型包括配准模块、编码区、多尺度分解模块、单目标SPCNN融合模型、多目标SPCNN融合模型、解码区。模型改进了SPCNN模型的参数优化方式以及迭代次数,模型自适应点火次数较低,在3~7次左右,具有点火次数低、自适应分割、效率高的优点。中光15:00时段点火识别成功率达到了100.00%,点火分割时间达到最低91.91s。与其他融合模型比较,模型在强光12:00、中光15:00、弱光18:20、19:00时段融合图像识别成功率达到100.00%;融合时间低于SPCNN模型,达到最低92.68 s。模型识别精度最优达到了100.00%,融合耗时最低达到了92.68 s,模型大小较SPCNN低一个数量级,可补充和完善图像层次融合理论和方法。 相似文献
145.
基于网络环境的竞争情报的获取与利用 总被引:2,自引:0,他引:2
刘培兰 《农业图书情报学刊》2008,20(10)
分析了网络竞争情报的来源,阐述了其收集方法:获取整体行业信息,确定竞争时手范围,了解竞争对手经营状况,获取竞争时手的个人信息,了解与企业有关的政策等等,并给出了网络竞争情报的处理利用途径:网络竞争情报处理系统根据企业竞争知识库,把多源信息进行合并、过滤、提取、分类,并将新的信息与数据库匹配,以更新数据库. 相似文献
146.
147.
148.
基于序列信息的土壤CT图像超分辨率重建 总被引:1,自引:1,他引:0
受部分容积效应影响,土壤计算机断层扫描(Computed Tomography,CT)图像存在孔隙边界模糊现象,影响土壤孔隙结构研究的准确性。针对该问题,该研究提出基于序列信息的生成式对抗网络(Sequence information Generative Adversarial Network,SeqGAN),实现土壤CT图像的超分辨率重建。针对土壤CT序列图像具有较高相似性的特点,SeqGAN法引入序列卷积块挖掘前后图像的序列信息,并将多重特征增强融合于目标图像中;利用多层残差块提取图像特征,构建残差块输入和输出的直接连接,以减少模型退化;利用对抗网络实现损失间接反馈,提高模型的特征学习能力。在序列相似性较高的土壤图像数据集验证了该方法性能。结果表明,SeqGAN法均方误差比次优方法GAN降低25%,峰值信噪比提升1.4 dB,结构相似性提升0.2%。重建的土壤图像具有较高准确率和清晰度,可为后续土壤物理学研究提供准确的数据基础。 相似文献
149.
150.