全文获取类型
收费全文 | 220篇 |
免费 | 74篇 |
国内免费 | 33篇 |
专业分类
电工技术 | 42篇 |
综合类 | 24篇 |
化学工业 | 15篇 |
金属工艺 | 7篇 |
机械仪表 | 27篇 |
建筑科学 | 1篇 |
矿业工程 | 11篇 |
能源动力 | 10篇 |
轻工业 | 2篇 |
水利工程 | 10篇 |
石油天然气 | 22篇 |
武器工业 | 1篇 |
无线电 | 19篇 |
一般工业技术 | 16篇 |
冶金工业 | 4篇 |
原子能技术 | 1篇 |
自动化技术 | 115篇 |
出版年
2024年 | 2篇 |
2023年 | 5篇 |
2022年 | 11篇 |
2021年 | 15篇 |
2020年 | 13篇 |
2019年 | 16篇 |
2018年 | 16篇 |
2017年 | 20篇 |
2016年 | 25篇 |
2015年 | 22篇 |
2014年 | 23篇 |
2013年 | 38篇 |
2012年 | 31篇 |
2011年 | 18篇 |
2010年 | 28篇 |
2009年 | 13篇 |
2008年 | 13篇 |
2007年 | 9篇 |
2006年 | 4篇 |
2005年 | 4篇 |
2004年 | 1篇 |
排序方式: 共有327条查询结果,搜索用时 0 毫秒
41.
Support vector machine is a learning technique based on the structural risk minimization principle, and it is also a class of regression method with good generalization ability. The paper firstly introduces the mathematical model of regression least squares support vector machine (LSSVM), and designs incremental learning algorithms by the calculation formula of block matrix, then uses LSSVM to model nonlinear system, based on which to control nonlinear systems by model predictive method. Simulation experiments indicate that the proposed method provides satisfactory performance, and it achieves superior modeling performance to the conventional method based on neural networks, moreover it achieves well control performance. 相似文献
42.
43.
针对逆系统中非线性逆模型辨识困难以及大规模数据采用单模型回归存在精度差和计算量较大的问题,提出了一种基于最近邻聚类的多模型最小二乘支持向量机(LSSVM)逆模型辨识及控制方法。该方法首先使用最近邻聚类算法对数据集做出聚类划分,然后针对每个聚类做最小二乘支持向量回归估计,实现了对系统逆动力学模型的动态辨识。最后将辨识模型作为摔制器模型,与被控对象串联,构成一个动态伪线性对象,从而使非线性对象的控制问题转换为线性对象的控制问题,仿真结果表明基于最近邻聚类的多模型LSSVM逆控制系统辨识能力强,比单模型LSSVM逆摔制系统具有更优的动态跟踪性能,更好的抗干扰能力和鲁棒性。 相似文献
44.
45.
中长期电力负荷预测研究 总被引:2,自引:0,他引:2
为了有效地提高电力负荷的预测精度,针对影响中长期电力负荷多因素间的非线性和不确定性,提出了一种粗糙集(RS)和最小二乘支持向量机(LSSVM)相结合的中长期电力负荷预测方法.采用粗糙集理论把影响电力负荷的六个因素,属性约简为三个核心属性,减少了LSSVM的输入量,提高了电力负荷预测系统的快速性;粗糙最小二乘支持向量机回归建模,构造RS-LSSVM的电力负荷预测模型,提高预测的精度.最后进行仿真,改进模型应用于某地区的中长期电力负荷的拟合和预测中,采用RS-LSSVM模型,与BP神经网络的拟合预测结果相比,预测误差明显小于BP神经网络,具有更高的预测精度,为中长期的电力系统负荷预测提供了一种新的科学、有效的方法. 相似文献
46.
47.
低速稳定性是伺服系统的一个重要性能指标.低速下,摩擦力的扰动引起伺服控制系统的不稳定.首先建立了伺服系统的动力学模型.模型由线性部分和非线性部分组成,非线性部分主要由摩擦力等扰动组成,使用最小二乘支持向量机对摩擦力等非线性部分、不确定参数进行辨识.其次,建立了基于线性伺服控制系统和摩擦力模型的补偿控制系统,并提出使用改进的优化滑模控制算法,同时对采样时间周期提出了优化选择.仿真结果显示:使用支持向量机建立的摩擦力模型能够较准确地反映系统低速摩擦力情况,对系统的低速补偿效果良好.低速时,误差控制在0.5r/min;通过实验研究,使用了摩擦力补偿和优化滑模控制后伺服系统的低速性能得到了改善和提高,克服了低速爬行现象. 相似文献
48.
针对最小二乘支持向量机对噪声或孤立点敏感的问题,提出一种融合先验知识的模糊最小二乘支持向量机模型。在训练过程中考虑样本的噪声分布模型,结合样本紧密度策略,自动生成相应样本的模糊隶属度。实验结果表明,该模型对噪声样本具有较好的分类精度。 相似文献
49.
为了提高网络流量预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种遗传优化最小二乘支持向量机的网络流量预测方法。首先将相空间重构和最小二乘支持向量机参数作为遗传算法的个体,将模型预测精度作为个体适应度函数,然后通过遗传操作获得模型全局最优参数,最后通过网络流量仿真实验进行性能测试。结果表明,相对于传统预测方法,遗传优化最小二乘支持向量机提高了网络流量的预测精度,为网络流量预测提供了一种新的研究思路。 相似文献
50.