全文获取类型
收费全文 | 3597篇 |
免费 | 151篇 |
国内免费 | 508篇 |
专业分类
林业 | 217篇 |
农学 | 114篇 |
基础科学 | 1318篇 |
629篇 | |
综合类 | 1674篇 |
农作物 | 53篇 |
水产渔业 | 46篇 |
畜牧兽医 | 106篇 |
园艺 | 18篇 |
植物保护 | 81篇 |
出版年
2024年 | 88篇 |
2023年 | 205篇 |
2022年 | 250篇 |
2021年 | 274篇 |
2020年 | 255篇 |
2019年 | 201篇 |
2018年 | 97篇 |
2017年 | 145篇 |
2016年 | 160篇 |
2015年 | 163篇 |
2014年 | 163篇 |
2013年 | 204篇 |
2012年 | 191篇 |
2011年 | 203篇 |
2010年 | 227篇 |
2009年 | 260篇 |
2008年 | 214篇 |
2007年 | 207篇 |
2006年 | 179篇 |
2005年 | 132篇 |
2004年 | 107篇 |
2003年 | 59篇 |
2002年 | 62篇 |
2001年 | 52篇 |
2000年 | 29篇 |
1999年 | 37篇 |
1998年 | 29篇 |
1997年 | 15篇 |
1996年 | 20篇 |
1995年 | 13篇 |
1994年 | 9篇 |
1993年 | 6篇 |
排序方式: 共有4256条查询结果,搜索用时 46 毫秒
101.
102.
103.
104.
运用人工神经网络的原理和方法 ,根据相关系数法选取与台州市 7个县 (市、区 )马尾松毛虫有虫面积相关关系都比较密切的 14个气象因子 ,然后进行主成分分析 ,在此基础上 ,将前 6个主成分的主坐标值作为样本的输入特征 ,建立以 7个县 (市、区 )马尾松毛虫有虫面积为期望输出的BP网络预测模型 ,结果表明 :所建立的BP模型 ,具有令人满意的拟合精度和预测精度。当隐含层神经元个数为 4个时 ,7个县 (市、区 ) 3组预留有虫面积 3a预测结果的卡方检验为 :η=7.2 92 0 相似文献
105.
应用人工神经网络方法分别建立土地资源预测、森林蓄积量预测、各龄组蓄积量预测三层前馈反向传播神经网络模型对森林资源进行预测模拟.预测结果表明在小样本条件下,森林资源预测神经网络模型预测精度较高,开辟了森林资源预测新途径. 相似文献
106.
107.
为实现苹果果径与果形快速准确自动化分级,提出了基于改进型SSD卷积神经网络的苹果定位与分级算法。深度图像与两通道图像融合提高苹果分级效率,即对从顶部获取的苹果RGB图像进行通道分离,并提取分离通道中影响苹果识别精度最大的两个通道与基于ZED双目立体相机从苹果顶部获取的苹果部分深度图像进行融合,在融合图像中计算苹果的纵径相关信息,实现了基于顶部融合图像的多个苹果果形分级和信息输出;使用深度可分离卷积模块替换原SSD网络主干特征提取网络中部分标准卷积,实现了网络的轻量化。经过训练的算法在验证集下的识别召回率、精确率、mAP和F1值分别为93.68%、94.89%、98.37%和94.25%。通过对比分析了4种输入层识别精确率的差异,实验结果表明输入层的图像通道组合为DGB时对苹果的识别与分级mAP最高。在使用相同输入层的情况下,比较原SSD、Faster R-CNN与YOLO v5算法在不同果实数目下对苹果的实际识别定位与分级效果,并以mAP为评估值,实验结果表明改进型SSD在密集苹果的mAP与原SSD相当,比Faster R-CNN高1.33个百分点,比YOLO v5高14.23个百分点... 相似文献
108.
在稻虾养殖模式中溶解氧含量(浓度)是养殖水体的重要指标之一,其直接影响小龙虾的摄食量和新陈代谢,因此在养殖过程中精准预测溶解氧含量至关重要。针对稻虾养殖中溶解氧含量变化复杂,难以快速准确预测的问题,提出了BiLSTM-GRU融合神经网络预测模型。为了保证精准预测,首先对传感器进行了清洗校准,并根据偏移量对历史数据进行了修正。在此基础上构建了基于BiLSTM和GRU的融合神经网络训练模型,BiLSTM提取更多特征因子,GRU实现快速预测,快速准确预测溶解氧含量变化。为了使监测预测性能更优,对不同采样周期下的资源损耗及预测模型性能进行综合对比分析,确定了传感器数据最优采样周期为30 min。进一步与LSTM、GRU、BiLSTM以及BiGRU模型对比,表明本文提出的BiLSTM-GRU融合神经网络模型的预测效果更好,其平均绝对误差、均方根误差和决定系数分别为0.275 9 mg/L、0.616 0 mg/L和0.954 7,比传统的LSTM神经网络模型分别高25.14%、13.25%和2.22%。 相似文献
109.
硬度是确定猕猴桃成熟度的重要指标之一,对其贮藏周期与销售节点均具有重要指导意义。针对现阶段缺乏使用简易、成本低且精度高的猕猴桃无损硬度检测方法的问题,提出了一种基于视触觉与深度学习的猕猴桃硬度检测方法,通过分析柔性触觉传感层与猕猴桃接触时的形变,获取猕猴桃的动态触觉信息,并据此推断其硬度。以树莓派开发板为机电控制平台,制作了猕猴桃视触觉序列图像采集装置,并对装置按压猕猴桃间隔3h后接触面果肉与非接触面果肉的CIELAB颜色分量平均数进行差异显著性检验,随后采集了猕猴桃视触觉序列图像数据集600组,分别搭建了CNN网络、CNN-LSTM迁移学习网络、CNN-LSTM联合学习网络对视触觉序列图像进行分析及硬度预测。研究结果表明,接触面果肉与非接触面果肉颜色L*、a*、b*三通道分量下平均值无显著差异;深度学习模型LSTM引入长时和短时信息可以动态关联CNN提取的单帧图像特征,从而有效推断猕猴桃硬度,其中CNN-LSTM联合学习模型预测效果最优,其均方根误差(RMSE)、平均绝对误差(MAE)、决定系数R2分别为 1.611N、1.360N、0.856,优于现阶段光谱技术检测猕猴桃硬度的结果,随后将模型嵌入树莓派中制作了猕猴桃硬度自动检测装置,可实现短时间内猕猴桃硬度的较为准确检测。因此,结合视触觉传感方法与联合学习模型可以实现对单个猕猴桃硬度的准确无损测量。 相似文献
110.
永磁同步电机具有结构简单、体积小、工作效率高等优势,在我国工业发展、航空航天和新能源汽车制造等方面具有广泛的应用与发展。但是永磁电机由于高负荷长时间运行会造成各种电机故障,如线路老化、退磁故障等,直接影响整个系统的正常运行与发展,因此,保证永磁同步电机的稳定运行、及时发现电机故障,对于保证电路系统的稳定运行,保证安全生产具有重要意义。针对传统数学模型和信号转换下永磁同步电机故障诊断效率和精度低的问题,以卷积神经网络技术为例,通过构建GoogleNet神经网络模型,对永磁同步电机不同运行状态进行图像特征提取与识别,提高电机故障诊断效率。研究结果可以对永磁同步电机快速、高效、准确地进行故障识别提供技术参考与借鉴。 相似文献