全文获取类型
收费全文 | 66篇 |
免费 | 4篇 |
国内免费 | 17篇 |
专业分类
电工技术 | 8篇 |
综合类 | 6篇 |
化学工业 | 2篇 |
机械仪表 | 4篇 |
轻工业 | 1篇 |
水利工程 | 2篇 |
石油天然气 | 9篇 |
无线电 | 6篇 |
冶金工业 | 10篇 |
自动化技术 | 39篇 |
出版年
2024年 | 1篇 |
2021年 | 2篇 |
2020年 | 2篇 |
2019年 | 6篇 |
2018年 | 3篇 |
2017年 | 4篇 |
2016年 | 5篇 |
2015年 | 2篇 |
2014年 | 2篇 |
2013年 | 4篇 |
2012年 | 6篇 |
2011年 | 4篇 |
2010年 | 5篇 |
2009年 | 3篇 |
2008年 | 5篇 |
2007年 | 5篇 |
2006年 | 4篇 |
2005年 | 3篇 |
2004年 | 1篇 |
2003年 | 1篇 |
2002年 | 1篇 |
2001年 | 2篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1998年 | 4篇 |
1997年 | 1篇 |
1995年 | 5篇 |
1989年 | 2篇 |
1988年 | 1篇 |
排序方式: 共有87条查询结果,搜索用时 31 毫秒
81.
具有输入与状态时滞的非线性系统的模糊保性能控制 总被引:2,自引:0,他引:2
针对一类具有输入与状态时滞的参数不确定非线性系统,基于T-S模糊模型,讨论该系统的保性能控制问题。通过构造状态反馈控制器,提出了在给定的性能指标和控制律下,闭环系统是二次保性能稳定的充分条件,并以线性矩阵不等式(LMI)的形式表示,数值算例显示该设计方法是有效的。 相似文献
82.
受扰动2-D线性时变系统的迭代学习控制 总被引:1,自引:0,他引:1
利用2-D系统理论的Roesser模型,给出了受扰动的线性时变离散系统迭代学习控制(ILC)问题的一种解决方法.对系统所受的已知扰动,给出其学习律参数的选取范围以及仅经一次迭代就能实现输出完全跟踪期望轨迹的参数选取方法;对系统所受的未知扰动,首先对SISO系统提出其学习律存在的条件及参数选取方法,进而推广到MIMO系统中,提出MIMO系统学习律的参数选取方法.最后给出两个数值例子进一步说明所得结果的有效性. 相似文献
83.
针对物联网络在用户身份验证上存在的安全性问题,提出一种轻量级的动态化密钥协商的物联网身份认证协议(DLT)。该协议在用户进行登陆验证上使用了时间戳值,这使得恶意攻击者不能使用早期的消息,可以防范重放攻击以及拒绝服务攻击;在认证和密钥协商阶段采用了用户、服务器、控制服务器三者之间的互相验证,并且在公共信道上对服务器密钥和随机值进行了分离处理,使得攻击者无法窃听到其他用户的安全信息。协议安全性分析及仿真对比结果表明,DLT协议相比对比协议具有更多的安全功能,可以防范多种网络攻击,并且协议的能量代价更低。 相似文献
84.
目的 低秩稀疏学习目标跟踪算法在目标快速运动和严重遮挡等情况下容易出现跟踪漂移现象,为此提出一种变分调整约束下的反向低秩稀疏学习目标跟踪算法。方法 采用核范数凸近似低秩约束描述候选粒子间的时域相关性,去除不相关粒子,适应目标外观变化。通过反向稀疏表示描述目标表观,用候选粒子稀疏表示目标模板,减少在线跟踪中L1优化问题的数目,提高跟踪效率。在有界变差空间利用变分调整对稀疏系数差分建模,约束目标表观在相邻帧间具有较小变化,但允许连续帧间差异存在跳跃不连续性,以适应目标快速运动。结果 实验利用OTB(object tracking benchmark)数据集中的4组涵盖了严重遮挡、快速运动、光照和尺度变化等挑战因素的标准视频序列进行测试,定性和定量对比了本文算法与5种热点算法的跟踪效果。定性分析基于视频序列的主要挑战因素进行比较,定量分析通过中心点位置误差(central pixel error,CPE)比较跟踪算法的精度。与CNT(convolutional networks training)、SCM(sparse collaborative model)、IST(inverse sparse tracker)、DDL(discriminative dictionary learning)和LLR(locally low-rank representation)算法相比,平均CPE值分别提高了2.80、4.16、13.37、35.94和41.59。实验结果表明,本文算法达到了较高的跟踪精度,对上述挑战因素更具鲁棒性。结论 本文提出的跟踪算法,综合了低秩稀疏学习和变分优化调整的优势,在复杂场景下具有较高的跟踪精度,特别是对严重遮挡和快速运动情况的有效跟踪更具鲁棒性。 相似文献
85.
针对一类部分未知仿射非线性系统无穷区间求解问题,利用在线采样数据,提出了 在线无偏最小二乘支持向量机(Least square support vector machines, LS-SVM)的方法. 首先,通过引入一个参数消除了LS-SVM的偏置项,避免了冗余计算,同时在优化目标中引入权值 函数,对靠近当前时刻的数据样本点赋予更高权重,提高了计算精度; 其次,采用滚动时间窗的方法,实现非线性系统无穷区间求解,并满足求解实时性要求;最后,通过 数值算例仿真验证了本文方法的有效性和优越性. 相似文献
86.
87.