- 年份
- 2024(6820)
- 2023(9975)
- 2022(8626)
- 2021(8245)
- 2020(7089)
- 2019(16609)
- 2018(16476)
- 2017(31583)
- 2016(16778)
- 2015(18809)
- 2014(18256)
- 2013(17625)
- 2012(15679)
- 2011(13939)
- 2010(13833)
- 2009(12288)
- 2008(11606)
- 2007(9738)
- 2006(8125)
- 2005(6857)
- 学科
- 济(65421)
- 经济(65360)
- 管理(46239)
- 业(44147)
- 企(37577)
- 企业(37577)
- 方法(35121)
- 数学(31580)
- 数学方法(30873)
- 农(16255)
- 财(15960)
- 中国(15655)
- 业经(13137)
- 学(12719)
- 理论(12421)
- 贸(11282)
- 贸易(11275)
- 易(10980)
- 地方(10867)
- 务(10482)
- 农业(10432)
- 财务(10422)
- 财务管理(10400)
- 技术(10394)
- 制(10145)
- 企业财务(9843)
- 和(9641)
- 环境(8945)
- 划(8817)
- 教学(8764)
- 机构
- 大学(222871)
- 学院(221925)
- 管理(88940)
- 济(87067)
- 经济(85372)
- 理学(78226)
- 理学院(77395)
- 管理学(75441)
- 管理学院(75036)
- 研究(70671)
- 中国(51683)
- 京(46368)
- 科学(44630)
- 财(38798)
- 农(37078)
- 业大(35497)
- 所(34445)
- 中心(33687)
- 江(32221)
- 研究所(31655)
- 财经(31644)
- 农业(29322)
- 经(28977)
- 范(28706)
- 师范(28376)
- 北京(28369)
- 院(26732)
- 经济学(26713)
- 技术(25464)
- 州(25022)
- 基金
- 项目(162195)
- 科学(128308)
- 基金(118611)
- 研究(115634)
- 家(104803)
- 国家(104019)
- 科学基金(90007)
- 社会(72391)
- 社会科(68699)
- 社会科学(68681)
- 省(63778)
- 基金项目(62223)
- 自然(60647)
- 自然科(59365)
- 自然科学(59350)
- 自然科学基金(58263)
- 教育(56106)
- 划(54473)
- 资助(49726)
- 编号(46240)
- 重点(36954)
- 部(36031)
- 成果(35991)
- 创(34605)
- 发(33898)
- 创新(32259)
- 课题(32156)
- 科研(31999)
- 教育部(31077)
- 大学(30758)
共检索到311629条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 南京农业大学学报
[作者]
孙道宗 张振宇 陈俊聪 琚俊 张铭桂 王卫星 刘厚诚
[目的] 过去的研究通常将生菜的分类、分割和鲜重估测作为独立的处理步骤，便导致了对特征信息的协同利用不足，从而导致时间成本增加。[方法] 为解决这一问题，论文提出了一种端到端的生菜无损鲜重估测模型——LettuceNet，该模型通过分析俯视图像估测生菜鲜重。LettuceNet结合SwinTransformer-Tiny(Swin-T)和UPerNet，有效提取生菜冠层图像的特征。模型设计了基于K-Net的用于语义分割的分割头部网络以及用于鲜重估测的回归头部网络。回归头部网络融合利用Swin-T的特征与分割头部网络的结果，用于生菜的分类和冠层面积统计，使LettuceNet能够同时高效处理语义分割和鲜重估测任务。[结果] 两个数据集的实验表明，LettuceNet语义分割任务中，其平均像素准确度(MPA)分别达到98.01%和98.75%，而平均交并比(MIoU)分别为96.02%和97.63%；在鲜重预测方面，R~(2)分别为0.898和0.919，均方误差(MSE)分别0.865和30.814，平均绝对百分比误差(MAPE)分别为1.894%和18.194%。[结论] 通过输入生菜冠层图像，LettuceNet能够实时且无损地完成生菜的分类、分割与鲜重估测，能够快速地生菜的生长情况进行定量分析，为植物工厂的智能管控提供数据支持。
[期刊] 中国农业大学学报
[作者]
徐丹 李硕果 陈晶晶 崔庭源 张义 马浚诚
为提高温室环境最优控制中生菜信息在线反馈精度，通过群体图像识别研究生菜鲜重估算方法；通过生菜群体图像和单株图像，研究群体估算时误差正负相消对整体误差的改善作用，评估生菜遮挡问题对估算精度的影响，并研究能否通过改进深度学习的损失函数以实现对估算精度的进一步提高。结果表明：1）与不存在遮挡问题的单株图像生菜鲜重估算结果相比，基于群体图像裁剪的生菜鲜重估算决定系数（R~2）低0.010 8，归一化均方根误差（NRMSE）高2.69%，平均绝对百分误差（MAPE）低2.36%，虽然估算精度略低，但是生菜群体的遮挡问题更能反映生产实际。2）群体估算虽然存在遮挡问题导致裁剪不完整，但根据误差正负相消原理，相比没有遮挡的单株估算结果MAPE仍然低3.49%，因此更适用于生菜产量信息反馈。3）基于更优化MAPE的损失函数平均平方百分误差（MSPE），可以进一步降低群体估算的MAPE至8.46%，满足“软测量”对估算精度的需求。考虑到温室生菜的实际生产情况，群体估算更适合用于温室环境最优控制中生菜产量信息的在线反馈，通过深度学习等方法的优化，可以将生菜产量的估算误差降低至10%以内。
关键词：
群体估算 生菜鲜重 图像识别 深度学习
[期刊] 保险研究
[作者]
仇春涓 刘守贤 张楠
本文在大数据、科技赋能的背景下，提出基于深度神经网络的端到端长期护理保险定价模型。端到端模型可以将所有的步骤包含在一个深度神经网络模型内部，输入被保险人的个体特征，直接得到其未来不同护理状态的概率预测值。相比于经典定价模型，端到端模型具有放宽模型假设、减少定价模型的复杂程度、避免误差积累以及自动优化和智能化的优点。本文选取CHARLS 2011年、2013年、2015年和2018年数据进行实证研究，构建一个包含三层隐藏层，每层32个神经元的全连接神经网络模型，考虑样本不平衡性，调整模型参数，对比不同激活函数，得到预测个体护理状态的最优模型LTCmodel。基于LTCmodel,在合理的长期护理保险产品责任、保额增长率以及利率假设下，最终输出不同特征被保险人的年缴均衡保费，实现个性化和精准定价。
[期刊] 商业经济研究
[作者]
王艳 寇长华
本文通过调研获取了相关数据,通过恰当的数据分析,研究消费者的不同消费特点对末端冷链配送的认识和期望,基于KANO模型探讨消费者对末端冷链配送不同层次的需求,并构建高校、写字楼以及居民社区的末端冷链配送模式。
关键词：
生鲜电商 末端冷链 KANO模型
[期刊] 中国科学技术大学学报
[作者]
李林枫 张立成 朱池苇 毛震东
问题生成的目标是生成有意义且流畅的问题，以增加可用数据来解决问答类型标注语料库的缺乏问题。以带有可选答案的未注释文本作为输入内容，问题生成可以根据是否提供答案分为两种类型：有答案型和无答案型。即使在提供答案的情况下，生成问题也是具有挑战性的，更不用说在没有提供答案的情况下，对于人类和机器来说生成高质量的问题更加困难。为了解决这个问题，我们提出了一种名为QGAE的新型端到端模型，它能够通过直接提取候选答案，将无答案的问题生成转化为有答案的问题生成。这种方法有效地利用未标记的数据来生成高质量的问答对，其端到端的设计使其比多阶段方法更加方便，后者需要至少两个预训练模型。此外，我们的模型获得了更好的平均分数和更大的多样性。我们的实验结果表明，QGAE在生成问答对方面取得了显著的进展，成为了一种充满潜力的问题生成方法。
[期刊] 情报理论与实践
[作者]
祝娜 尹俊华 翟羽佳
[目的/意义]作为科技创新的重要手段，技术融合预测对于改进技术研发的策略选择具有重要参考和借鉴意义，文章提出一种专利共类与深度学习模型结合的技术融合预测方法，以提高预测结果的准确性和可靠性。[方法/过程]以燃料电池技术为例，首先采用关联规则挖掘算法识别专利数据中具有强关联的IPC频繁项集，计算技术相对相似度，基于AP聚类算法进行技术聚类；然后运用生成式拓扑映射算法识别其中技术融合点，构建训练数据集和测试数据集。最后基于深度学习模型进行学习训练，预测燃料电池技术未来可能出现的技术融合。[结果/结论]这种方法在准确率和召回率上表现优异，可以快速、客观地识别技术融合，为技术创新的智能决策和预测提供支持和帮助。
关键词：
技术融合 深度学习 专利共类 预测方法
[期刊] 中国卫生经济
[作者]
徐清 徐洁
将诊疗病人所需人次数和设备平均利用数作为主要依据,诊疗人次数采用"最小二乘法"进行预测,最大限度地减少预测误差。考虑附近医院相同型号的大型设备的影响因素,并提出共享系数概念。
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
曹姗姗 孙伟 刘鹏举 唐小明
【目的】应用以遗传算法优化的BP（GABP）神经网络构建灌木生物量估测模型，以有效避免回归分析建模中自变量及模型形式选择的复杂问题。【方法】以灌木林地的荆条为试验对象，应用遗传算法优化BP神经网络的结构、初始权值和阈值，通过BP神经网络训练构建荆条最优地上生物量估测模型，并与传统的应用回归分析方法构建的模型进行对比分析。【结果】仿真结果表明，GABP神经网络模型和回归分析模型的模拟精度分别为77.65%和71.79%，估测精度分别为81.46%和75.64%，GABP神经网络模型的精度略高于回归分析模型。【结论】应用GABP神经网络构建灌木生物量模型是可行的，能够实现灌木生物量的快速估测。
[期刊] 物流技术
[作者]
刘存
针对“一对多”车货匹配问题，分析了目前车货匹配信息平台中存在的车货信息不对称和不能实时进行车货匹配等问题，提出了一种新的基于深度特征选择模型的车货匹配算法，以深度神经网络为基础模型，在输入层之前加上一层特征选择层，以增强重要因素的影响力，减少无关因素的影响，达到提高匹配正确度的目的。最后将其与传统的基于半马尔科夫的车货匹配算法在匹配准确度和匹配时间效率两个方面进行了比较，实验结果表明，基于深度特征选择的车货匹配算法在匹配准确度和匹配效率上，均明显优于传统的基于半马尔科夫的车货匹配算法。
关键词：
公路货运 车货匹配 深度特征选择模型
[期刊] 北京林业大学学报
[作者]
范春楠 庞圣江 郑金萍 李兵 郭忠玲
以长白山林区林下14种幼树为对象,采用收获法对胸径D1.3≤2.5cm的幼树植株进行随机取样,通过对不同树种各器官和全株生物量的统计,建立了幼树生物量的最优估测模型,并进行了实测验证。结果表明:以地径(D0)和地径平方与株高乘积(D20H)为自变量,拟合的14种幼树各器官和全株生物量最优模型为幂函数,并达到了极显著水平,而且都有较大的R2值(0.712～0.983)和较小的SEE值(0.217～1.122)。幼树器官和全株生物量最优回归方程的R2值,从大到小依次为全株生物量>地上部分>枝>地下部分>叶。验证结果表明:以地径(D0)为自变量时,建立的幼树器官和全株生物量模型,对生物量的估测结果均...
关键词：
幼树 生物量 估测模型 长白山
[期刊] 浙江农林大学学报
[作者]
朱旭珍 丁丽霞 李梦 金雨菲 邹红玉 程乾
为了方便快速准确地测量树木叶片的叶绿素质量分数,对9个阔叶树种的叶片采样,利用CCM-200测得的叶绿素指数(CCI值)和叶片厚度因子建立叶绿素的估算模型,将估算结果与萃取法测量叶绿素质量分数比较,分析发现:仅利用CCM-200测得的叶绿素指数估算叶绿素a,叶绿素b和总叶绿素质量分数的线性模型误差较大,叶绿素指数与叶绿素a,叶绿素b和总叶绿素质量分数的决定系数(R2)均在0.610左右,相关性不是很显著。当用比叶质量(SLW)来反映叶片厚度,与叶绿素指数一起作为自变量,分别建立估算叶绿素a,叶绿素b以及总叶绿素质量分数的线性回归方程,发现叶绿素指数及比叶质量与叶绿素a,叶绿素b和总叶绿素质量分...
[期刊] 中南林业科技大学学报
[作者]
徐梦伶 林辉 孙华 严恩萍 周普良
为了研究高分二号(GF-2)影像生物量估测的模型效果,以攸县黄丰桥林场为研究区,在研究区内采用随机抽样的方法,结合国家森林资源连续清查样地,获取了共47个样地的生物量数据。对GF-2影像进行预处理,结合相关研究,提取8个单波段信息、24个多波段组合信息、4个植被指数以及海拔、坡度、坡向等39个因子作为建模的自变量,采用主成分分析、偏最小二乘和BP神经网络3种方法建立生物量估测模型。结果表明:主成分回归模型的实测值和预测值的决定系数R2为0.44,模型的估测精度为65.83%;偏最小二乘回归模型的R2为0.
[期刊] 情报理论与实践
[作者]
曾文 闫甜甜 刘晓琳 张蕾
[目的/意义]当前全球科技竞争愈加剧烈，准确把握未来科技前沿是科技竞争取得胜利的关键，科技前沿探测是科技情报研究的热点问题之一。[方法/过程]文章提出一种基于知识树的科技前沿探测方法，通过科技前沿知识树反映领域科技前沿的发展信息，探索解决科技前沿探测过程中存在的信息冗余、探测结果不准确等问题的方法和途径，并以深度学习领域为例进行了实证研究。[结果/结论]研究结果表明，基于知识树的科技前沿探测方法可以在一定程度上提高科技前沿探测过程的效率、改善科技前沿探测结果的质量，可以为面向特定领域的科技前沿研究提供参考。
关键词：
知识树 科技前沿 科技情报 深度学习
[期刊] 中国农业大学学报
[作者]
张建龙 冀横溢 滕光辉
为快速、无应激、准确地获取育肥猪体重数据,采用深度卷积网络对育肥猪体重进行了估测。结果表明:1)在改造后的Xception、MobileNetV2、DenseNet201和ResNet152V2 4种模型中,DenseNet201模型体重估测效果最好,在验证集上估测的相关系数为0.993 9,均方根误差为1.85kg,平均绝对误差为1.10kg,平均相对误差1.57%,被选为本研究所用的育肥猪体重估测模型;2)在测试数据上考察了该模型的泛化效果,其估测的相关系数为0.976 7,均方根误差为2.75kg,平均绝对误差为2.10kg,平均相对误差3.03%,效果良好;3)该模型的平均估测时间为0.16s,其处理速度远快于传统方法,更适合用于育肥猪分群系统、母猪饲喂站等对猪只体重获取速度要求严格的场合。综上,深度卷积网络模型可用于快速估测育肥猪体重,为猪场的自动化、智能化和无人化管理提供依据。
关键词：
育肥猪 体重估测 深度学习 卷积神经网络
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
