全文获取类型
收费全文 | 84篇 |
免费 | 15篇 |
国内免费 | 8篇 |
专业分类
电工技术 | 5篇 |
综合类 | 2篇 |
水利工程 | 1篇 |
武器工业 | 5篇 |
无线电 | 45篇 |
一般工业技术 | 4篇 |
自动化技术 | 45篇 |
出版年
2023年 | 1篇 |
2022年 | 1篇 |
2021年 | 2篇 |
2020年 | 3篇 |
2019年 | 1篇 |
2018年 | 5篇 |
2017年 | 5篇 |
2016年 | 2篇 |
2015年 | 2篇 |
2014年 | 5篇 |
2013年 | 12篇 |
2012年 | 6篇 |
2011年 | 10篇 |
2010年 | 12篇 |
2009年 | 6篇 |
2008年 | 7篇 |
2007年 | 4篇 |
2006年 | 1篇 |
2005年 | 3篇 |
2004年 | 7篇 |
2003年 | 6篇 |
2002年 | 1篇 |
2001年 | 2篇 |
2000年 | 2篇 |
1996年 | 1篇 |
排序方式: 共有107条查询结果,搜索用时 31 毫秒
1.
语言模型是语音识别系统的重要组成部分,目前的主流是n-gram模型。然而n-gram模型存在一些不足,对语句中长距信息描述差、数据稀疏是影响模型性能的两个重要因素。针对不足,研究者提出循环神经网络(Recurrent Neural Network,RNN)建模技术,在英语语言模型建模上取得了较好的效果。根据汉语特点将RNN建模方法应用于汉语语言建模,并结合两种模型的优点,提出了模型融合构建方法。实验结果表明:相比传统的n-gram语言模型,采用RNN训练的汉语语言模型困惑度(Per PLexity,PPL)有了下降,在对汉语电话信道的语音识别上,系统错误率也有下降,将两种语言模型融合后,系统识别错误率更低。 相似文献
2.
基于码重信息熵低码率线性分组码的盲识别 总被引:1,自引:0,他引:1
为解决较高误码条件下的低码率二进制线性分组码的盲识别问题,论文提出了基于码重分布信息熵的码长识别方法,而且,它还通过优化传统的矩阵化简方法求解生成矩阵,从而实现对低码率二进制线性分组码的盲识别。理论分析及仿真验证均表明:该方法能实现低码率线性分组码较正确的识别。论文最后进一步对不同码长线性分组码在不同误码率条件下进行了多次仿真,仿真结果验证了该识别方法具有较好的容错性能。 相似文献
3.
超宽带信号由于功率谱密度较低和传输多径复杂,准确的信道估计十分重要。考虑其过高带宽带来的采样难度较高的问题,压缩感知理论提供了一种可行的低速采样方法。而目前常用的随机投影矩阵与超宽带信道稀疏变换矩阵相关度较高,算法必须在降维比较高时才能达到重构要求,采样速率依然较高。针对上述问题,提出使用贝叶斯压缩感知理论中的自适应投影矩阵设计方法进行超宽带信道估计。贝叶斯压缩感知理论给信道向量中的每个值设置受超参数控制的后验概率密度,计算信道向量的统计特性,并根据协方差矩阵计算新的投影向量,该投影向量可以使重构解的微分熵下降最快。通过这种自适应的投影矩阵设计方法,可以利用较少的采样值进一步地提高重构解的可信度,达到进一步降低采样速率的目的。实验结果表明该方法相对于现有的压缩感知重构算法可以在较低的降维比条件下达到较好的重构效果,显著降低了采样速率。 相似文献
4.
5.
综合利用含错标签中的有用信息和数据结构中蕴含的鉴别信息,提出一种基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测修正方法.首先,用稀疏流形聚类嵌入模型将数据投影到易分类的空间,利用标注正确的极少量样本和最近邻分类器获得新标签;然后,构造标签错误检测模型,获得仅含0、1元素的检测向量,正确、错误的标签分别对应着1、0的位置;最后,给出了相应的优化算法及收敛证明,并在相关实验上验证了算法的有效性. 相似文献
6.
7.
在通信系统中,为了保证传输信息的可靠性,通常会采用信道编码技术,而线性分组码凭借其具有编、译码结构简单及非常优越的纠错性能,已在各种现代数字通信系统中得到广泛应用,因此,在信息截获领域中对线性分组码盲识别问题也日益突出。为解决较高误码条件下的低码率二进制线性分组码的盲识别问题,提出了基于比特频率检测估计码长的方法,然后,通过优化传统的矩阵化简方法及采用线性分组码的校验关系设定一个判决门限T的方式完成生成矩阵的正确求解,进而实现对低码率的线性分组码的盲识别。理论分析及仿真验证表明:该方法能够实现对低码率线性分组码正确的识别,且具有较好的容错性能,本文最后也验证了该识别方法在较高误码率条件下具有较好的识别效果。 相似文献
8.
9.
基于点过程模型的关键词检出系统是一种新颖的连续语音关键词检出系统,虽然该系统具有对样本数要求不高、计算速度快等优点,但其检出性能比较依赖于前端音素探测器的准确度,而目前广泛用于音素探测器的高斯混合模型存在表征和建模能力不强的问题。针对这一缺陷,本文提出了一种嵌入深度信念网络的点过程模型并将其应用于关键词检出,该模型采用表征能力强的深度信念网络来建立音素探测器,改进了高斯混合模型在表征能力上的不足。实验结果表明该方法能够获得比原模型更高的检出率,并且降低了计算复杂度,更适用于需要实时检测关键词的场合。 相似文献
10.
数据在采集和传输过程中由于多种原因会造成矩阵残缺,因此在数据分析之前需要对残缺矩阵进行修复。常见的KNN修复方法 k值选取不合理,且需在整个矩阵中搜索近邻,影响算法的修复效果。在其基础上提出了一种k值自适应的局部KNN矩阵修复方法,合理考虑了k值的选取和近邻项的搜索范围。实验证明了该方法能有效提高矩阵修复的正确率,且算法的时效性有所提高。 相似文献