首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   39篇
  免费   0篇
丛书文集   3篇
教育与普及   10篇
理论与方法论   2篇
综合类   24篇
  2020年   1篇
  2019年   1篇
  2017年   1篇
  2013年   2篇
  2012年   7篇
  2011年   5篇
  2009年   3篇
  2008年   5篇
  2007年   2篇
  2006年   4篇
  2005年   1篇
  2004年   3篇
  2003年   1篇
  2000年   1篇
  1998年   1篇
  1983年   1篇
排序方式: 共有39条查询结果,搜索用时 0 毫秒
1.
一项新的研究显示,如果你发出嘘声赶走鸽子,这只鸽子可能会记住你,并在下次再遇到时避开你。研究人员发现,野生未驯养的鸽子能够识别每个人的脸,而且不会因为换了衣服就不认得了。该领域以前的研究结果只是侧重于实验室中受过训练的鸽子的感知能力,但这项新的研究则是针对未经训练的野生鸽子进行的。  相似文献   
2.
一次突如其来的矿难,一场史无前例的国际级救援,33条鲜活的生命被困地下,70天死亡线上的挣扎,他们如何才能成功脱险?  相似文献   
3.
"鹰击长空,鱼翔浅底",这美妙的诗句告诉我们:空气和水是生物赖以生存的基本条件。因此,古代人类在选择居住地的时候,总是先选择那些水草茂盛、鸟语花香、百兽自在的福地。因为连动、植物都无法生存的地方,我们人类怎能在那里安家。由此,人类萌生了利用动物来检测环境的想法。  相似文献   
4.
神经信息解码是目前植入式脑机接口(brain-computer interface,BCI)神经信息处理研究中的难点和重点;解码效果的优劣以及解码算法的效率直接决定了脑机接口应用的有效性和实用性。为了解码十字迷宫内鸽子运动转向信息,利用高斯分布模型对神经元锋电位发放率的概率密度函数进行建模;并结合最大似然估计(maximum likelihood estimation,MLE)算法对鸽子的转向意图进行了预测;并将其结果与(support vector machine,SVM)法和群矢量(population vector,PV)法进行了比较。结果表明,MLE算法能够有效地解码鸽子的运动意图,解码正确率显著高于SVM法和PV法。这一结果也为进一步分析鸽子运动意图神经信息处理机制奠定了基础。  相似文献   
5.
神秘的"指南针"地球是一块巨大的磁铁,处于磁场的严密包围之中。那么,地球上的一切生命现象,在进化过程中,是不是也受到这个磁场的影响?直到今天,包括人类在内的生物,是不是也必须和这个磁场相适应呢?科学家们通过观察和实验了解到,为数众多的昆虫、爬虫和鸟类,是以地球磁场的磁力线为导向的。候鸟不远万里,从一个洲飞到另一个洲,就是明证。人们曾经以  相似文献   
6.
采用pH8.0你离子强度不连续系统聚丙烯酰胺凝胶电泳分类方法,分析鸽子几种不同组织乳酸脱氢酶同工酶。分析结果表明:十一种组织都具有A,B基因表达的五种LDH同工酶,而在睾丸组织中还含有C基因表达的LDH同工酶。  相似文献   
7.
如果在长途旅行时,一出门便迷路,司机又十分固执,更糟糕的是,地图也忘带了,此时可怎么办?答案是化身鸽子鸽子具有非凡的认路能力,即便在千里传书之后,仍能顺着原来的路线准确地找到回家的路,方向从来不会出错。许多物种能利用"内置"的铁磁,根据地球磁场辨别方向。而人类社会也自成一套导航法则。迷路的夜晚,天边的启明星便能为引路人辨明方向提供帮助,前方的道路或许崎岖而漫长,然而有了微弱星光的照耀,脚下的路就会变得逐渐清晰和明朗。夜航的邮轮,正是因为闪烁着的灯塔指引,才不会在波涛汹涌的大  相似文献   
8.
李奇 《科学大观园》2011,(12):64-64
当你来到威尼斯的圣马可广场,就会看到成群的鸽子。它们或悠闲漫步或自Efj飞翔,那种惬意让每个人都感受到快乐。很多游客都乐意掏钱买包鸽食喂喂它们。但充足的食物让鸽群的繁殖速度越来越快,数量猛增的鸽群几乎占领了整个广场,更麻烦的是鸽子会到处遗留粪便,  相似文献   
9.
2009年4月,四川省雅安市荥经县举办了首届“中国鸽子花”旅游节——“相约荥经龙苍沟春日花会”。观赏鸽子花的最佳地点是龙苍沟国家森林公园,出荥经县城30千米便可到达。在这里的珙桐沟从4月20日至5月20日鸽子花盛开期间,放眼望去树树白鸽展翅欲飞,漫天白花如雪翻飞。  相似文献   
10.
经典Q-learning强化学习模型中学习率为一固定参数,无法有效反映认知学习的动态过程。提出了一种将学习速率表征为时变参数的Q-Learning强化学习模型,给出了利用近期历史行为数据估计阶段性学习速率的方法。为了评估验证该模型的性能,设计了条件刺激与操作行为奖励无关→相关→无关三个阶段动态试验范式,用以观察和分析鸽子在随机强化、固定强化,以及固定强化关系消退等不同条件下的学习行为变化过程,采用动物触屏行为系统完成了3只鸽子颜色刺激-啄屏抉择认知训练,利用训练过程中不同session的行为数据对动态学习率进行了最小二乘估计。分析结果表明:可以获得更小的行为预测误差,误差下降收敛的速度更快,同时学习率的动态变化过程可以有效的反映动物认知行为训练过程中的内在学习状态。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号