全文获取类型
收费全文 | 110篇 |
免费 | 3篇 |
专业分类
公路运输 | 42篇 |
综合类 | 23篇 |
水路运输 | 28篇 |
铁路运输 | 16篇 |
综合运输 | 4篇 |
出版年
2024年 | 1篇 |
2023年 | 5篇 |
2022年 | 3篇 |
2021年 | 4篇 |
2020年 | 6篇 |
2019年 | 8篇 |
2018年 | 6篇 |
2017年 | 1篇 |
2016年 | 2篇 |
2015年 | 3篇 |
2014年 | 1篇 |
2013年 | 4篇 |
2012年 | 1篇 |
2011年 | 11篇 |
2010年 | 12篇 |
2009年 | 6篇 |
2008年 | 8篇 |
2007年 | 5篇 |
2006年 | 2篇 |
2005年 | 3篇 |
2004年 | 8篇 |
2003年 | 6篇 |
2002年 | 1篇 |
2001年 | 2篇 |
1999年 | 2篇 |
1998年 | 2篇 |
排序方式: 共有113条查询结果,搜索用时 15 毫秒
101.
102.
103.
104.
基于改进RBF神经网络对股价的演变预测 总被引:1,自引:0,他引:1
对RBF神经网络进行了分析,建立了RBF神经网络模型,并对此模型进行了改进,使其具有更好的预测性能.把一类非线性较强的时间序列(万科A股2009年6月份股票价格)利用该模型进行了非线性逼近.用Matlab软件对网络的学习与训练过程进行了数值仿真.实验结果表明:利用改进后的网络模型对非线性时间序列进行短期预测是可行的,其预测精度高于改进前的预测精度,改进方法有效. 相似文献
105.
106.
107.
108.
运动控制研究是实现自动驾驶目标的重要组成部分,针对传统强化学习算法在求解中因单步决策局限而导致控制序列次优的问题,提出了一种基于双估计强化学习算法及前向预测控制方法结合的运动控制框架(DEQL-FPC)。在该框架中引入双估计器以解决传统强化学习方法动作值过估计问题并提高训练优化的速度,设计前向预测多步决策方法替代传统强化学习的单步决策,以有效提高全局控制策略的性能。通过虚拟驾驶环境仿真,证明了该控制框架应用在自动驾驶汽车的路径跟踪以及安全避障的优越性,保证了运动控制中的精确性、安全性、快速性以及舒适性。 相似文献
109.
为了提高履带式无人平台的轨迹跟踪性能,提出了一种考虑纵向速度规划的分层轨迹跟踪算法并进行了联合仿真验证和实车验证。在建立了包含履带的滑移滑转率和质心侧偏角的车辆运动微分方程的基础上,完成分层轨迹跟踪算法框架的构建。上层基于伪谱法的速度规划算法根据路面信息进行纵向速度规划,并将规划的速度作为目标车速下发给下层基于线性时变模型预测控制(LTV-MPC)的轨迹跟踪算法。基于LTV-MPC的算法通过建立预测模型和约束条件,二次规划求解出两侧电机的目标转速。通过Matlab/Simulink和RecurDyn的联合仿真以及实车验证了所提出的算法在不同地面条件下具有良好的轨迹效果。 相似文献
110.