全文获取类型
收费全文 | 2451篇 |
免费 | 118篇 |
专业分类
公路运输 | 847篇 |
综合类 | 884篇 |
水路运输 | 497篇 |
铁路运输 | 291篇 |
综合运输 | 50篇 |
出版年
2024年 | 48篇 |
2023年 | 189篇 |
2022年 | 172篇 |
2021年 | 205篇 |
2020年 | 118篇 |
2019年 | 59篇 |
2018年 | 20篇 |
2017年 | 30篇 |
2016年 | 28篇 |
2015年 | 50篇 |
2014年 | 95篇 |
2013年 | 106篇 |
2012年 | 140篇 |
2011年 | 110篇 |
2010年 | 133篇 |
2009年 | 155篇 |
2008年 | 101篇 |
2007年 | 142篇 |
2006年 | 128篇 |
2005年 | 89篇 |
2004年 | 100篇 |
2003年 | 86篇 |
2002年 | 57篇 |
2001年 | 60篇 |
2000年 | 33篇 |
1999年 | 16篇 |
1998年 | 7篇 |
1997年 | 11篇 |
1996年 | 30篇 |
1995年 | 17篇 |
1994年 | 7篇 |
1993年 | 7篇 |
1992年 | 4篇 |
1991年 | 4篇 |
1990年 | 2篇 |
1989年 | 3篇 |
1988年 | 2篇 |
1987年 | 1篇 |
1986年 | 4篇 |
排序方式: 共有2569条查询结果,搜索用时 31 毫秒
101.
相对于传统的交通信号配时决策方法,多Agent 强化学习及其协调方法能更好地适应城市
路网交通环境的变化。为探讨其在城市路网自适应交通信号配时决策中的应用,系统地总结了多
Agent 强化学习及协调机制的研究方法,详细地分析了国内外研究现状,并指出现有研究中存在
的问题,在此基础上对未来研究进行了展望。研究结果表明,既有研究主要针对规模较小的路
网,存在维数灾难问题,强化学习与协调机制结合研究还不够深入,相关学习参数分析不够细
致,仿真环境和情景现实性不强。未来研究可以引入马尔科夫博弈提高决策协调性,嵌入混合交
通流、公交优先等交通管理思想增强决策实用性,引入先验知识及其他学习技术加快学习速度,
融入物联网、主动管理、大数据等先进理念和前沿技术增加决策的实时性,与交通诱导等集成提
升决策的系统性。 相似文献
102.
103.
104.
105.
在探讨应用冗余字典寻找信号稀疏表示算法的基础上,简介信号过完备表示产生的背景和发展过程,认为信号表示的稀疏性与冗余字典的非相干性存在某种必然联系;结合正在进行的信号过完备稀疏表示理论与应用研究的专项课题,理论上讨论了满足基追踪算法和匹配追踪算法精确重构条件以及多个正变基级联字典的非相干系数与精确重构条件的某些研究进展,并提出对于非正交基联合而成的级联字典有待进一步研究的相关问题. 相似文献
106.
为解决小概率高风险边缘测试场景的问题,本文提出一种基于场景动力学和强化学习的边缘场景生成方法,实现边缘场景的自动生成,能模拟真实世界中车辆间的对抗与博弈行为的特征。首先将随时间动态变化的场景模型由一组微分方程描述为场景动力学系统;然后利用神经网络作为通用函数逼近器来构造场景黑盒控制器,并基于强化学习实现边缘场景控制器的优化求解;最后以超车切入场景为例,在Matlab/Simulink软件进行仿真验证,结果表明,边缘场景强化生成模型在场景交互博弈、覆盖率和可重复测试等方面具有良好的性能。 相似文献
107.
为满足自动驾驶汽车测试对场景真实度的要求,提出一种针对交通车辆交互关系的耦合特征建模方法。结合基于机理模型构建的虚拟数据和采集的真实场景数据建立交通车辆行为数据集;采用深度学习建立局部信息响应的交通车辆行为决策模型、跟驰模型和换道模型,结构相对简单的单体模型能提升场景模拟的可扩展性;针对自动驾驶汽车测试对模型鲁棒性要求高的问题,建立分布执行-集中对抗训练的架构进行交通车辆模型优化,提高模型对输入扰动的鲁棒性。构建交通车辆交互仿真环境对模型进行仿真,通过仿真数据与真实数据分布之间的对比和量化评价指标验证模型的有效性。 相似文献
108.
由于浮式起重船在海上进行风电设备安装和运维作业期间,离岸距离远且作业时间长,波浪变化多样且不确定,极易产生新频率的船舶运动,使得无法进行精确预测,从而导致海上作业无法安全进行甚至造成设备损坏,因此文章提出基于联邦学习的多变量多步长短期记忆网络(LSTM)预测方法。针对无线数据采集时间间隔不一致,将其和船舶升沉运动数据共同作为双层LSTM预测模型的输入变量并进行多步预测。同时针对突遇新频率船舶运动的情况,采用联邦学习方法联合多家海上风电安装运维企业的船舶升沉运动数据,共同训练适用于复杂海况下的船舶升沉运动LSTM预测模型。使用Stewart六自由度波浪补偿平台模拟浮式起重船的升沉运动,试验结果表明,在遇到新频率船舶运动时,该方法能有效提高船舶升沉运动的预测效果,模型预测精度(RMSE值)至少可达到0.095。 相似文献
109.
110.