全文获取类型
收费全文 | 7318篇 |
免费 | 229篇 |
国内免费 | 566篇 |
专业分类
系统科学 | 630篇 |
丛书文集 | 299篇 |
教育与普及 | 70篇 |
理论与方法论 | 117篇 |
现状及发展 | 15篇 |
综合类 | 6982篇 |
出版年
2024年 | 50篇 |
2023年 | 163篇 |
2022年 | 199篇 |
2021年 | 249篇 |
2020年 | 206篇 |
2019年 | 208篇 |
2018年 | 110篇 |
2017年 | 167篇 |
2016年 | 178篇 |
2015年 | 231篇 |
2014年 | 386篇 |
2013年 | 360篇 |
2012年 | 415篇 |
2011年 | 442篇 |
2010年 | 522篇 |
2009年 | 547篇 |
2008年 | 589篇 |
2007年 | 516篇 |
2006年 | 409篇 |
2005年 | 325篇 |
2004年 | 241篇 |
2003年 | 221篇 |
2002年 | 209篇 |
2001年 | 153篇 |
2000年 | 148篇 |
1999年 | 108篇 |
1998年 | 94篇 |
1997年 | 90篇 |
1996年 | 72篇 |
1995年 | 91篇 |
1994年 | 69篇 |
1993年 | 68篇 |
1992年 | 70篇 |
1991年 | 41篇 |
1990年 | 46篇 |
1989年 | 55篇 |
1988年 | 25篇 |
1987年 | 17篇 |
1986年 | 8篇 |
1985年 | 2篇 |
1984年 | 1篇 |
1983年 | 2篇 |
1982年 | 1篇 |
1981年 | 1篇 |
1978年 | 2篇 |
1962年 | 4篇 |
1957年 | 2篇 |
排序方式: 共有8113条查询结果,搜索用时 0 毫秒
101.
102.
对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。 相似文献
103.
104.
105.
106.
针对Suyken等人提出的最小二乘支持向量机的共轭梯度法在输入样本的个数较大时,需要求解高阶线性方程组这一缺陷,提出了一种新算法。该算法利用分块矩阵的思想将该高阶线性方程组系数矩阵降阶,为了提高收敛速度,克服数值的不稳定性,采用条件预优共轭梯度法求解低阶的线性方程组。通过仿真试验证明用本文方法训练最小二乘支持向量机比共轭梯度法的训练速度提高了将近一倍。 相似文献
107.
一种新的支持向量机快速训练算法 总被引:1,自引:0,他引:1
针对大规模数据集的分类中支持向量机的训练,为解决选取样本集合边界向量时需事先判定样本集合是否线性可分的问题,提出一种基于密度法的支持向量预选取方法。该方法不需要事先判定训练样本是否线性可分,具有较强的抗击噪音点和孤立点干扰的能力,并且计算简单,易于实现。实验结果证明了这种方法是有效的。 相似文献
108.
在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路. 相似文献
109.
为减少训练完毕之后的最小二乘支持向量机的分类计算量,借鉴神经网络的快速剪枝策略,提出了一种新的稀疏化算法:HS-LSSVM。它在主成分分析基础上,筛选出样本子集作为支持向量,它们既包含较多核函数矩阵信息,又相互独立性强,具有较好的代表性。算法将其余个体的信息转移至支持向量上,在实现高度稀疏化的同时,良好地保持了LSSVM的分类性能,并能适用于多类问题。对多个分类问题的测试表明,HS-LSS-VM具有稀疏率高,分类性能强,且稀疏化速度较快等优点。 相似文献
110.
研究了Petri网中T-不变量与可重复向量之间的关系,并基于此关系给出一个求解可重复向量的新方法。首先定义了变迁扩充网的概念,证明一个网的可重复向量与其变迁扩充网的T-不变量之间存在一一对应关系,从而将一个网可重复向量的求解转换为其变迁扩充网T-不变量的求解上。在此方法中,如果利用FM-算法去求解T-不变量,则某些求解的步骤可以省略,从而得到一个类似于FM-算法的算法来求解可重复向量。此算法能够求出一组可重复向量,而任一可重复向量都可被这组可重复向量非负有理系数线性表出。 相似文献