全文获取类型
收费全文 | 121篇 |
免费 | 33篇 |
国内免费 | 17篇 |
专业分类
电工技术 | 2篇 |
综合类 | 5篇 |
金属工艺 | 1篇 |
机械仪表 | 5篇 |
矿业工程 | 1篇 |
无线电 | 5篇 |
一般工业技术 | 1篇 |
自动化技术 | 151篇 |
出版年
2023年 | 1篇 |
2022年 | 2篇 |
2020年 | 1篇 |
2019年 | 4篇 |
2018年 | 1篇 |
2017年 | 1篇 |
2015年 | 2篇 |
2014年 | 4篇 |
2013年 | 8篇 |
2012年 | 8篇 |
2011年 | 19篇 |
2010年 | 16篇 |
2009年 | 26篇 |
2008年 | 30篇 |
2007年 | 8篇 |
2006年 | 11篇 |
2005年 | 4篇 |
2004年 | 6篇 |
2003年 | 2篇 |
2002年 | 4篇 |
2001年 | 5篇 |
2000年 | 5篇 |
1999年 | 3篇 |
排序方式: 共有171条查询结果,搜索用时 93 毫秒
81.
82.
变步长自适应萤火虫群多模态函数优化算法 总被引:1,自引:0,他引:1
针对萤火虫群优化(GSO)算法优化多模态函数存在收敛速度慢和求解精度不高等缺陷,提出一种变步长自适应萤火虫群优化算法(CSGSO)。该算法主要思想是在GSO算法中引入搜索成功与失败概念,在每次迭代中萤火虫个体据其搜索成功或失败,加大或减小其搜索步长,使算法具有动态自适应性。实验结果表明,该算法可有效地解决GSO算法优化多模态函数存在收敛速度慢和求解精度不高的问题,增强了GSO算法优化多模态函数的性能;与其他算法相比,提出的算法具有操作简单、容易理解、收敛速度快和求解精度高等优点。 相似文献
83.
针对布谷鸟搜索算法(CS)后期收敛速度慢、计算精度不高等不足,提出了一种自适应步长调整布谷鸟搜索算法,加快布谷鸟搜索算法的搜索速度,提高其计算精度。通过8个标准测试函数测试的结果表明,改进后的自适应步长布谷鸟搜索算法具有较快的收敛速度和较高的寻优精度。 相似文献
84.
针对基本人口迁移算法具有易早熟和精度不高等缺陷,利用人口迁移算法随机产生的点采用单纯形法进行优化,提出了一种基于单纯形法和人口迁移算法的混合全局优化算法。通过典型的测试函数Shaffer,验证了改进后算法的性能,并与10种类型的粒子群优化算法进行比较,结果表明,该文算法能获得比较好的解,收敛成功率高达100%。 相似文献
85.
首先给出了神经网络函数在粗糙集意义下的下、上近似函数,从函数逼近的观点出发分析,得出对任一神经网络函数在粗糙集意义下,都可根据学习样本点维数找到两个关联的离散函数来逼近它,并且证明了在粗糙集意义下逼近的过程是可行的。该结论有助于理解粗糙集函数与神经网络函数之间的联系,为今后进一步研究在粗糙集意义下神经网网络函数整体逼近理论及学习算法的描述奠定了基础。 相似文献
86.
高阶感知器是神经元状态变量的非线性化,它是一阶感知器的非线性推广,除了神经元状态变量的非线性化推广外,对权向量函数的非线性推广而得到的感知器,文中定义为具有非线性权向量函数的感知器,由于感知器的权重及作用函数都是非性函数,当感知器接近最优点时,其连接权调节幅度很小,采用对非线性权函数及非线性作用函数分别进行Taylor展开,并取其一式近似逼近原函数,从而使其非线性权函数及非线性作用函数都转化为线性函数,简化了感知器学习过程的计算量,加快了感知的学习过程。最后,给出了具有非线性权函数感知器的线性化学习算法。 相似文献
87.
把数据拟合建模看作是模型结构和参数的优化搜索过程,将遗传规划和最小二乘法结合起来共同实现数据拟合,该方法是先用遗传规划随机生成待拟合函数的结构,再利用最小二乘法确定参数,然后耦合后生成待拟合的函数,实现模型结构和参数的共同识别.数值仿真表明,该方法得到的函数比传统方法得到的函数的拟合精度要高,且计算精度高. 相似文献
88.
针对Kerberos认证协议由对称算法所带来的局限性,国内外已有很多人用以RSA算法为代表的公钥体制对Kerberos协议进行了改进.本文选用ElGamal算法来修正Kerberos协议,一箭双雕,不仅继承了先行者们的研究成果,而且彻底解决Kerberos可能窃听通信双方会话的问题.因此,更具安全性、实用性. 相似文献
89.
基于代数神经网络的多元多项式近似因式分解模型及学习算法 总被引:12,自引:1,他引:11
周永权 《计算机研究与发展》1999,36(6):668-674
文中从首一无平方多项式F(x,y)有根x=ψi(y)=(i=1,2,…degx(F)),其中ψi(y)=Ci,0+Ci,1y+Ci,2y^2+…,入手,设计了一类二元多项式求根及近似因式分解的神经网络模型,它们分别是双输入单输出4层前向网络与单输入多输出3层前向给出了神经网络学习算法,这种学习算法在p-adic意义下,通过选定隐层与输出层的待求权值Cij,完成学习,可确定出其不可约因式个数r,通过 相似文献
90.