全文获取类型
收费全文 | 2547篇 |
免费 | 106篇 |
国内免费 | 247篇 |
专业分类
系统科学 | 109篇 |
丛书文集 | 169篇 |
教育与普及 | 25篇 |
现状及发展 | 13篇 |
综合类 | 2584篇 |
出版年
2024年 | 9篇 |
2023年 | 35篇 |
2022年 | 37篇 |
2021年 | 54篇 |
2020年 | 40篇 |
2019年 | 46篇 |
2018年 | 29篇 |
2017年 | 41篇 |
2016年 | 39篇 |
2015年 | 77篇 |
2014年 | 96篇 |
2013年 | 102篇 |
2012年 | 114篇 |
2011年 | 134篇 |
2010年 | 154篇 |
2009年 | 142篇 |
2008年 | 194篇 |
2007年 | 170篇 |
2006年 | 134篇 |
2005年 | 90篇 |
2004年 | 94篇 |
2003年 | 103篇 |
2002年 | 121篇 |
2001年 | 101篇 |
2000年 | 91篇 |
1999年 | 88篇 |
1998年 | 87篇 |
1997年 | 78篇 |
1996年 | 80篇 |
1995年 | 52篇 |
1994年 | 48篇 |
1993年 | 36篇 |
1992年 | 30篇 |
1991年 | 40篇 |
1990年 | 47篇 |
1989年 | 25篇 |
1988年 | 19篇 |
1987年 | 7篇 |
1986年 | 8篇 |
1985年 | 5篇 |
1984年 | 1篇 |
1982年 | 1篇 |
1962年 | 1篇 |
排序方式: 共有2900条查询结果,搜索用时 15 毫秒
991.
利用等价转化把非线性不等式组转化为非线性方程组来加以求解,通过引进光滑参数构造一个新的光滑函数来逼近方程组问题中的目标函数,给出了相应的求解非线性方程组的光滑阻尼Gauss-Newton算法,并在一定条件下证明了该算法的整体收敛性. 相似文献
992.
拟Hermite插值算子导数逼近的平均收敛性 总被引:1,自引:0,他引:1
得到了以扩充的第二类Chebyshev多项式的零点为插值结点组的拟Hermite插值算子导数逼近的平均收敛速度. 相似文献
993.
994.
一种无约束优化的非单调拟牛顿信赖域算法 总被引:1,自引:0,他引:1
提出一种新的信赖域算法, 使子问题产生的试探步
dk始终保持在信赖域中, 在每次迭代过程中, 试探步dk均能得到校正, 当试探步不被接受时, 采用非单调线搜索技术, 无需重解子问题. 在适当的条件下, 证明了算法的全局收敛性. 相似文献
995.
文中给出有界变差函数的定义,并证明至多有可去间断点的单调函数和满足利普希茨条件的函数都是有界变差函数;建立了有界变差函数的小波级数的部分和的收敛性与收敛速度,并得出至多有可去间断点的单调函数与满足利普希茨条件的函数的小波级数的部分和的收敛性和收敛速度的推论. 相似文献
996.
在麻花钻圆度误差的检测中,将BP神经网络算法引入到相应的数据处理中,以拟合出其棱边投影的椭圆表达式系数.在神经网络训练时,以钻头棱边采样点的坐标及其适当的组合作为网络的5路输入,以其输出与常数1的差值的平方为性能指标;根据梯度下降法来调整隐层神经元与输出神经元之间的连接权值,而输入层至隐层之间的连接权值不变,性能指标达到预定值时,获得一组稳定的权值,该连接权值即为钻头棱边的椭圆表达式系数;然后据此求出其较高精度的圆度误差. 相似文献
997.
k-自相似映射的结构及其应用 总被引:1,自引:0,他引:1
研究了内积空间上k-自相似映射的结构与k-自相似映射列{An}的收敛性,并给出了相关的应用,证明了内积空间X上的映射A是一个k-自相似映射当且仅当存在X上的实线性等距U及常向量b,使得Ax=kUx+6(νx∈X);给出了X上k-自相似映射列{An}的逐点收敛性的三个等价刻画;作为应用,证明了:若{In)是欧氏空间(Rp,p)上的一列自相似压缩迭代映射系且收敛于一个自相似压缩迭代映射系I,则In的吸引子(即自相似集)S(In)依分形空间K(X)上的Hausdorff度量收敛于I的吸引子S(I). 相似文献
998.
变分不等式的新的外梯度方法 总被引:2,自引:0,他引:2
本文引入了一个新的求解非扩张映射的不动点集和具有单调及Lipschitz连续映射的变分不等式的解集的公共元素的近似算法。这一算法是建立在外梯度方法和粘性逼近方法基础上的。在Hilbert空间上得到了这一算法产生序列的强收敛性定理。其内容如下:设C是实Hilbert空间H中的非空闭凸集,映射A:C→H是单调和k-Lipschitz连续的,S:C→H是非扩张映射满足Fix(S)∩VI(C,A)≠Ф,其中Fix(S)和VI(C,A)分别是S的不动点集和变分不等式的解集f:H→H是压缩映射,序列{xn}和{γn}由下列算法产生的:{x1=x∈C γn=Pc(xn-γnAxn) xn+1=αnf(xn)+βnxn+(1-αn-βn)SPc(xn-γnAγn),n=1,2,…,其中{γ},{αn}和{βn}是满足条件limαn n→∞=0和∑n=1^∞αn=∞,1〉lim n→∞ sup βn≥lim n→∞ inf βn〉0和limγn n→∞=0的数列,则{xn}和{yn}强收敛到w=PFix(S)∩VI(C,A)f(w),这里PFix(S)∩VI(C,A)f(w)表示f(w)在Fix(S)∩VI(C,A)上的投影。本文结果推广了文献中的一些著名结果。 相似文献
999.
将多新息辨识理论用于研究CARMA模型的参数估计问题。首先用估计残差来代替信息向量中的不可测噪声项,导出了CARMA模型的增广随机梯度算法,进一步把标量新息推广为新息向量,导出了相应的多新息增广随机梯度辨识算法,并利用鞅收敛定理分析了多新息增广随机梯度算法的收敛性。最后的仿真结果验证了该算法的有效性。 相似文献
1000.