全文获取类型
收费全文 | 345篇 |
免费 | 26篇 |
国内免费 | 24篇 |
专业分类
系统科学 | 42篇 |
丛书文集 | 16篇 |
现状及发展 | 8篇 |
综合类 | 329篇 |
出版年
2024年 | 4篇 |
2023年 | 12篇 |
2022年 | 21篇 |
2021年 | 21篇 |
2020年 | 14篇 |
2019年 | 7篇 |
2018年 | 5篇 |
2017年 | 4篇 |
2016年 | 4篇 |
2015年 | 8篇 |
2014年 | 11篇 |
2013年 | 13篇 |
2012年 | 19篇 |
2011年 | 17篇 |
2010年 | 12篇 |
2009年 | 21篇 |
2008年 | 20篇 |
2007年 | 27篇 |
2006年 | 24篇 |
2005年 | 18篇 |
2004年 | 12篇 |
2003年 | 10篇 |
2002年 | 14篇 |
2001年 | 11篇 |
2000年 | 13篇 |
1999年 | 5篇 |
1998年 | 10篇 |
1997年 | 5篇 |
1996年 | 4篇 |
1995年 | 8篇 |
1994年 | 3篇 |
1993年 | 7篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1990年 | 2篇 |
1989年 | 2篇 |
1988年 | 3篇 |
1987年 | 1篇 |
排序方式: 共有395条查询结果,搜索用时 15 毫秒
1.
针对传统方法未能考虑词向量的动态性及句子间交互不充分等问题,提出基于BERT预训练模型及多视角循环神经网络的文本匹配模型。通过BERT-whitening方法对BERT输出的句向量进行线性变换优化,并利用多视角循环神经网络将两句子不同位置的BERT动态词向量进行双向交互计算;将句向量与词粒度交互向量进行融合后计算结果。实验结果表明,提出的模型相较于对比模型有明显性能提升,实用性良好。 相似文献
2.
动态模糊神经网络研究 总被引:7,自引:0,他引:7
针对静态网络无法处理暂态问题,对具有递归环节的动态模糊神经网络进行了研究。通过在网络第二层中加入内部反馈连接,使其具有动态映射能力,从而对动态系统有更好的响应。网络使用遗传算法与反向传播BP(BackPropagation)算法相结合来训练,避免陷入局部最优解。采用时序预测和动态非线性系统进行了仿真研究,结果表明,动态模糊神经网络较之普通模糊神经网络在收敛速度、预测精度和网络规模等方面都有较大的改善,并具有更好的动态系统处理能力。 相似文献
3.
用简单动态递归网构造固体散料流量模型 总被引:1,自引:1,他引:1
提出了用简单动态递归网来建立固体散料流量模型,针对动态递归网结构复杂,训练算法收敛速度慢的缺点,采用一种结构十分简单的递归网,对RPE算法进行了改进和补充,使之适用于简单递归网,用来对网络的权值和阈值进行调整,建模结果表明此方法收敛速度快,精度高。 相似文献
4.
线性循环数列的通项公式 总被引:3,自引:0,他引:3
对一般的线性循环数列进行了讨论,利用特征方程的根给出了一般线性循环数列的通项公式。 相似文献
5.
基于递归神经网络的多变量系统预测控制 总被引:8,自引:0,他引:8
针对线性PID控制器系数难以整定的问题,构造了一种用神经网络实现的非线性PID控制器.多个具有相同结构的非线性PID控制器并联,对多变量系统实现解耦控制器.结合预测控制的思想,提出两种控制方案.第一种是在递归多步预测的基础上,在广义最小方差目标函数下实现控制,第二种利用多步预测目标函数在线修正解耦控制器的权值.仿真实验表明这两种方法的有效性. 相似文献
7.
在X服从区间[0,1]上的均匀分布的假设下,证明了回归函数的非线性小波估计中小波系数的无偏性和一致性.并证明了设置二次阈值情况下,小波系数的估计更有效. 相似文献
8.
基于对角回归神经网络的转台伺服系统逆控制 总被引:1,自引:0,他引:1
针对转台伺服系统中存在的不确定性和非线性因素,提出一种基于对角回归神经网络(diagonal re-current neural network,DRNN)的逆控制方法。逆控制器由对角回归辨识网络(DRNNI)和对角回归控制网络(DRNNC)组成,利用神经网络的逼近能力,在线辨识系统的逆模型,直接将辨识器的拷贝作为系统的控制器。该方法结合了神经网络和逆系统控制的优点,能够克服系统中的不确定性和非线性因素。仿真结果表明,有效提高了转台伺服系统的动态跟踪精度,并具有较好的鲁棒性能。控制器的运算量小,能够满足实时控制要求。 相似文献
9.
10.
传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。 相似文献