期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到271篇文章
< 1 2 … 14 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
前馈型神经网络新学习算法的研究 被引量：40
1
作者 徐春晖 徐向东 《清华大学学报（自然科学版）》 EI CAS CSCD 北大核心 1999年第3期1-3,共3页
前馈神经网络在非线性系统的建模及控制中有着广阔的应用前景，但是该网络的学习算法—向后传播算法（Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ（ＢＰ）Ａｌｇｏｒｉｔｈｍ）算法存在一些不足。为了提高多层前馈神经网络的学习效率及稳定性，引... 前馈神经网络在非线性系统的建模及控制中有着广阔的应用前景，但是该网络的学习算法—向后传播算法（Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ（ＢＰ）Ａｌｇｏｒｉｔｈｍ）算法存在一些不足。为了提高多层前馈神经网络的学习效率及稳定性，引入了非线性最小二乘法。通过与其他学习算法的比较，得出结论：其中用差商近似代替导数的Ｐｏｗｅｌ法是一种高效、快速的学习方法，其学习速率比带动量项的学习率自适应的ＢＰ算法高一个量级，而比ＤａｖｉｄｅｎＦｌｅｔｃｈｅｒＰｏｗｅｌ（ＤＦＰ）、ＢｒｏｙｄｅｎＦｌｅｔｃｈｅｒＧｏｌｄｆａｒｌＳｈａｎｎｏ（ＢＦＧＳ）等变尺度方法以及其他非线性最小二乘法的稳定性要好得多。 展开更多
关键词 前馈神经网络 学习算法 最小二乘法 神经网络
原文传递
基于遗传算法的进化神经网络 被引量：21
2
作者 刘芳 李人厚 《系统仿真学报》 CAS CSCD 2003年第10期1431-1433,共3页
提出一种基于遗传算法的多层前向神经网络的自动化设计方法(genetic multiplayer feedforward neural network, GMFNN),用以同时完成对网络结构空间和权值空间的搜索。该算法利用双种群权值优化、结构进化自适应变异率等方法来加快算法... 提出一种基于遗传算法的多层前向神经网络的自动化设计方法(genetic multiplayer feedforward neural network, GMFNN),用以同时完成对网络结构空间和权值空间的搜索。该算法利用双种群权值优化、结构进化自适应变异率等方法来加快算法的收敛速度,改善解的性能。仿真结果显示本文提出的算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前向神经网络的收敛精度,并可获得更为简洁的网络结构。 展开更多
关键词 遗传算法 前向神经网络 进化规划 双种群
下载PDF
前馈网络的一种超线性收敛BP学习算法 被引量：20
3
作者 梁久祯 何新贵 黄德双 《软件学报》 EI CSCD 北大核心 2000年第8期1094-1096,共3页
分析传统 BP算法存在的缺点 ,并针对这些缺点提出一种改进的 BP学习算法 .证明该算法在一定条件下是超线性收敛的 ,并且该算法能够克服传统 BP算法的某些弊端 ,算法的计算复杂度与简单 BP算法是同阶的 .实验结果说明这种改进的 BP算法... 分析传统 BP算法存在的缺点 ,并针对这些缺点提出一种改进的 BP学习算法 .证明该算法在一定条件下是超线性收敛的 ,并且该算法能够克服传统 BP算法的某些弊端 ,算法的计算复杂度与简单 BP算法是同阶的 .实验结果说明这种改进的 BP算法是高效的、可行的 . 展开更多
关键词 前馈神经网络 超线性收敛 BP网络 学习算法
下载PDF
多层前向网络的全局最优化问题 被引量：20
4
作者 董聪 《大自然探索》 1996年第4期27-31,共5页
本文对多层前向网络的全局最优化问题进行了系统的分析，给出了全局最优化算法应具备的基本条件和一种算法格式，对这种算法格式的合理性进行了论证。
关键词 前向网络 拓扑 网络理论 数学理论
下载PDF
前向网络全局最优化问题研究 被引量：25
5
作者 董聪 《中国科学基金》 CSCD 1997年第1期23-29,共7页
简要回顾前向网络研究的历史,对其中若干经典成就做简要的介绍和评论。在对多层前向网络全局最优化问题所涉及的几个主要方面进行深入剖析的基础上,给出了全局最优化算法应具备的基本条件和一种算法格式,对所给算法格式的收敛性做了理... 简要回顾前向网络研究的历史,对其中若干经典成就做简要的介绍和评论。在对多层前向网络全局最优化问题所涉及的几个主要方面进行深入剖析的基础上,给出了全局最优化算法应具备的基本条件和一种算法格式,对所给算法格式的收敛性做了理论证明。本文指出,将数论和多元非线性回归的有关方法和成果引入前向网络研究领域是一个值得注意的发展趋势。 展开更多
关键词 前向网络 全局最优化 非线性回归 数论 全局最优逼近算法 人工神经网络
原文传递
前馈神经网络的混沌BP混合学习算法 被引量：17
6
作者 李祥飞 邹恩 邹莉华 《控制与决策》 EI CSCD 北大核心 2004年第4期462-464,共3页
简要分析由Logistic映射产生的混沌数以及不同混沌序列之间的概率统计特性,为混沌全局性搜索提供了依据.将一种快速BP算法与混沌优化相结合,提出了混沌BP混合算法.由于混沌Logistic映射的遍历性、随机性,使得混合算法收敛速度快,且具有... 简要分析由Logistic映射产生的混沌数以及不同混沌序列之间的概率统计特性,为混沌全局性搜索提供了依据.将一种快速BP算法与混沌优化相结合,提出了混沌BP混合算法.由于混沌Logistic映射的遍历性、随机性,使得混合算法收敛速度快,且具有全局性.采用混合算法对XOR问题和非线性函数进行仿真,结果表明该算法明显优于标准BP算法和快速BP算法. 展开更多
关键词 前馈神经网络 混沌优化 BP算法 遍历性
下载PDF
基于DCT-BP神经网络的人脸表情识别 被引量：17
7
作者 董戎萍 唐伯良 《微计算机信息》 北大核心 2005年第10S期142-144,共3页
提出一种基于DCT-BP神经网络的人脸表情识别算法,先对图像进行灰度均衡与图像平滑的预处理,然后利用离散余弦变换提取图像的表情特征参数,变换后的数据量大大减小,而且不会丢失图像所携带的关键信息,最后利用前向反馈神经网络算法进行... 提出一种基于DCT-BP神经网络的人脸表情识别算法,先对图像进行灰度均衡与图像平滑的预处理,然后利用离散余弦变换提取图像的表情特征参数,变换后的数据量大大减小,而且不会丢失图像所携带的关键信息,最后利用前向反馈神经网络算法进行识别。 展开更多
关键词 表情识别 离散余弦变换 误差向传播算法 前向神经网络
下载PDF
多元多项式函数的三层前向神经网络逼近方法 被引量：20
8
作者 王建军 徐宗本 《计算机学报》 EI CSCD 北大核心 2009年第12期2482-2488,共7页
该文首先用构造性方法证明:对任意r阶多元多项式,存在确定权值和确定隐元个数的三层前向神经网络,它能以任意精度逼近该多项式,其中权值由所给多元多项式的系数和激活函数确定,而隐元个数由r与输入变量维数确定.作者给出算法和算例,说... 该文首先用构造性方法证明:对任意r阶多元多项式,存在确定权值和确定隐元个数的三层前向神经网络,它能以任意精度逼近该多项式,其中权值由所给多元多项式的系数和激活函数确定,而隐元个数由r与输入变量维数确定.作者给出算法和算例,说明基于文中所构造的神经网络可非常高效地逼近多元多项式函数.具体化到一元多项式的情形,文中结果比曹飞龙等所提出的网络和算法更为简单、高效;所获结果对前向神经网络逼近多元多项式函数类的网络构造以及逼近等具有重要的理论与应用意义,为神经网络逼近任意函数的网络构造的理论与方法提供了一条途径. 展开更多
关键词 前向神经网络 多元多项式 逼近 算法
下载PDF
MN-HDRM:长短兴趣多神经网络混合动态推荐模型 被引量：20
9
作者 冯永 张备 +2 位作者 强保华 张逸扬 尚家兴 《计算机学报》 EI CSCD 北大核心 2019年第1期16-28,共13页
动态推荐系统通过学习动态变化的兴趣特征来考虑推荐系统中的动态因素,实现推荐任务随着时间变化而实时更新.该文提出一种携带历史元素的循环神经网络(Recurrent Neural Networks,简称RNN)推荐模型负责用户短期动态兴趣建模,而利用基于... 动态推荐系统通过学习动态变化的兴趣特征来考虑推荐系统中的动态因素,实现推荐任务随着时间变化而实时更新.该文提出一种携带历史元素的循环神经网络(Recurrent Neural Networks,简称RNN)推荐模型负责用户短期动态兴趣建模,而利用基于前馈神经网络(Feedforward Neural Networks,简称FNN)的推荐模型对用户长期兴趣建模.通过两种神经网络的融合,该文构建了一个兼顾用户短期动态兴趣和稳定长期兴趣的多神经网络混合动态推荐模型(Hybrid Dynamic Recommendation Model based on Multiple Neural Networks,简称MN-HDRM).实验结果表明相对于目前比较流行的多种动态推荐算法:TimeSVD++、基于HMM(Hidden Markov Model)的推荐模型、基于RNN(Recurrent Neural Networks)的推荐模型、基于LSTM(Long Short-Term Memory)的推荐模型和STG(Session-based Temporal Graph)推荐模型,MN-HDRM在精确率、召回率和平均倒数排名等多项评价指标上展现出更加优越的性能. 展开更多
关键词 循环神经网络 前馈神经网络 动态推荐模型 长短期兴趣 时间因素
下载PDF
基于增强学习的机械臂轨迹跟踪控制 被引量：20
10
作者 刘卫朋 邢关生 +1 位作者 陈海永 孙鹤旭 《计算机集成制造系统》 EI CSCD 北大核心 2018年第8期1996-2004,共9页
为了提高机器臂轨迹跟踪控制器的工作性能,提出基于增强学习的机械臂轨迹跟踪控制方法。介绍了增强学习的基本原理,提出基于SARSA算法的增强学习补偿控制策略。利用比例—微分(PD)控制器完成了基本的稳定任务后,再利用增强学习算法实现... 为了提高机器臂轨迹跟踪控制器的工作性能,提出基于增强学习的机械臂轨迹跟踪控制方法。介绍了增强学习的基本原理,提出基于SARSA算法的增强学习补偿控制策略。利用比例—微分(PD)控制器完成了基本的稳定任务后,再利用增强学习算法实现了对未知干扰因素的补偿,提升了对不同未知情况的适应能力。实验结果验证了自适应离散化增强学习方法在机械臂轨迹跟踪问题中的可行性和有效性,明显提高了控制器的学习速度。 展开更多
关键词 机器人 增强学习 轨迹跟踪 比例-微分控制器 前馈神经网络
下载PDF
基于前馈网络的岩体爆破效应预测研究 被引量：12
11
作者 蔡德所 胡铁松 张继春 《岩土工程学报》 EI CAS CSCD 北大核心 1997年第1期43-49,共7页
将神经网络理论知识和爆破专业知识有机地结合在一起，提出了一种新的岩体爆破效应预测的前馈网络理论方法。该方法适合于不同的爆破参数和不同的岩体条件，是一种普遍适用的方法，同时也是一种“面向数据”的方法。通过对三峡工程左岸... 将神经网络理论知识和爆破专业知识有机地结合在一起，提出了一种新的岩体爆破效应预测的前馈网络理论方法。该方法适合于不同的爆破参数和不同的岩体条件，是一种普遍适用的方法，同时也是一种“面向数据”的方法。通过对三峡工程左岸坝区岩体爆破效应预测的研究表明，本文方法与通常的经验公式法、回归分析法以及ＢＰ网络方法相比。 展开更多
关键词 岩体 爆破效应 预测 前馈网络 水利工程
下载PDF
一种结构自适应的神经网络特征选择方法 被引量：11
12
作者 李仁璞 王正欧 《计算机研究与发展》 EI CSCD 北大核心 2002年第12期1613-1617,共5页
特征选择是数据处理的一项重要内容 .现有的基于神经网络的特征选择方法没有考虑网络中隐结点数目的变化 ,使网络结构在特征选择过程中往往变得不合理 ,这阻碍了特征的进一步删除以及网络泛化性能的提高 .针对以上问题提出了一种结构自... 特征选择是数据处理的一项重要内容 .现有的基于神经网络的特征选择方法没有考虑网络中隐结点数目的变化 ,使网络结构在特征选择过程中往往变得不合理 ,这阻碍了特征的进一步删除以及网络泛化性能的提高 .针对以上问题提出了一种结构自适应的神经网络特征选择方法 ,通过交替删除网络中冗余的输入特征和隐结点 ,使网络结构在特征选择的过程中保持相对良好 .实验表明 ,该方法既能快速有效地删除特征 。 展开更多
关键词 结构自适应 神经网络 特征选择 网络结构 前馈神经网络 惩罚项 数据处理
下载PDF
一种基于GRU的半监督网络流量异常检测方法 被引量：17
13
作者 李海涛 王瑞敏 +1 位作者 董卫宇 蒋烈辉 《计算机科学》 CSCD 北大核心 2023年第3期380-390,共11页
入侵检测系统(IDS)是在出现网络攻击时能够发出警报的检测系统,检测网络中未知的攻击是IDS面临的挑战。深度学习技术在网络流量异常检测方面发挥着重要的作用,但现有的方法大多具有较高的误报率且模型的训练大多使用有监督学习的方式。... 入侵检测系统(IDS)是在出现网络攻击时能够发出警报的检测系统,检测网络中未知的攻击是IDS面临的挑战。深度学习技术在网络流量异常检测方面发挥着重要的作用,但现有的方法大多具有较高的误报率且模型的训练大多使用有监督学习的方式。为此,提出了一种基于门循环单元网络(GRU)的半监督网络流量异常检测方法(SEMI-GRU)。该方法将多层双向门循环单元神经网络(MLB-GRU)和改进的前馈神经网络(FNN)相结合,采用数据过采样技术和半监督学习训练方式,应用二分类和多分类方式检验网络流量异常检测的效果,并使用NSL-KDD,UNSW-NB15和CIC-Bell-DNS-EXF-2021数据集进行验证。与经典机器学习模型和DNN,ANN等深度学习模型相比,SEMI-GRU方法在准确率、精确率、召回率、误报率和F1分数等指标上的表现均表现更优。在NSL-KDD二分类和多分类任务中,SEMI-GRU在F1分数指标上领先于其他方法,分别为93.08%和82.15%;在UNSW-NB15二分类和多分类任务中,SEMI-GRU在F1分数上的表现优于对比方法,分别为88.13%和75.24%;在CIC-Bell-DNS-EXF-2021轻文件攻击数据集二分类任务中,SEMI-GRU对所有测试数据均分类正确。 展开更多
关键词 入侵检测系统 半监督学习 多层双向门循环单元 前馈神经网络 NSL-KDD UNSW-NB15
下载PDF
高校贫困生精准资助的神经网络模型 被引量：14
14
作者 柴政 屈莉莉 彭贵宾 《数学的实践与认识》 北大核心 2018年第16期85-91,共7页
针对贫困生认定环节中存在的诸多问题,在大数据应用的背景下提出将基于神经网络的数据挖掘方法应用到高校贫困生识别管理之中.通过分析学生校园卡“一卡通”消费记录掌握学生的消费水平,更客观地评价学生的贫困程度,精准挖掘贫困生群体... 针对贫困生认定环节中存在的诸多问题,在大数据应用的背景下提出将基于神经网络的数据挖掘方法应用到高校贫困生识别管理之中.通过分析学生校园卡“一卡通”消费记录掌握学生的消费水平,更客观地评价学生的贫困程度,精准挖掘贫困生群体.首先对一卡通数据做预处理,然后提取特征,再进行神经网络模型训练,最后利用已知标签的数据验证模型的正确性.模型对于指导贫困生的精准助学工作,提高学生管理水平具有良好的研究意义和实用价值. 展开更多
关键词 前馈神经网络 反向传播算法 高校贫困生 精准资助
原文传递
基于径向基神经网络和正则化极限学习机的多标签学习模型 被引量：13
15
作者 单东 许新征 《模式识别与人工智能》 EI CSCD 北大核心 2017年第9期833-840,共8页
相比径向基(RBF)神经网络,极限学习机(ELM)训练速度更快,泛化能力更强.同时,近邻传播聚类算法(AP)可以自动确定聚类个数.因此,文中提出融合AP聚类、多标签RBF(ML-RBF)和正则化ELM(RELM)的多标签学习模型(ML-AP-RBF-RELM).首先,在该模型... 相比径向基(RBF)神经网络,极限学习机(ELM)训练速度更快,泛化能力更强.同时,近邻传播聚类算法(AP)可以自动确定聚类个数.因此,文中提出融合AP聚类、多标签RBF(ML-RBF)和正则化ELM(RELM)的多标签学习模型(ML-AP-RBF-RELM).首先,在该模型中输入层使用ML-RBF进行映射,且通过AP聚类算法自动确定每一类标签的聚类个数,计算隐层节点个数.然后,利用每类标签的聚类个数通过K均值聚类确定隐层节点RBF函数的中心.最后,通过RELM快速求解隐层到输出层的连接权值.实验表明,ML-AP-RBF-RELM效果较好. 展开更多
关键词 多标签学习 正则化极限学习机(RELM) 径向基神经网络(RBFNN) 前馈神经网络
下载PDF
随机权神经网络研究现状与展望 被引量：11
16
作者 乔俊飞 李凡军 杨翠丽 《智能系统学报》 CSCD 北大核心 2016年第6期758-767,共10页
神经网络随机学习克服了传统梯度类算法所固有的收敛速度慢及局部极小问题,最近已成为神经网络领域的研究热点之一。基于随机学习的思想,人们设计了不同结构的随机权神经网络模型。本文旨在回顾总结随机权神经网络的研究现状基础上,给... 神经网络随机学习克服了传统梯度类算法所固有的收敛速度慢及局部极小问题,最近已成为神经网络领域的研究热点之一。基于随机学习的思想,人们设计了不同结构的随机权神经网络模型。本文旨在回顾总结随机权神经网络的研究现状基础上,给出其发展趋势。首先,提出随机权神经网络简化模型,并基于简化模型给出神经网络随机学习算法;其次,回顾总结随机权神经网络研究现状,基于简化模型分析不同结构随机权神经网络的性能及随机权初始化方法;最后,给出随机权神经网络今后的发展趋势。 展开更多
关键词 随机权神经网络 前馈神经网络 递归神经网络 级联神经网络 随机学习算法
下载PDF
基于启发式动态规划的履带机器人路径跟随控制方法 被引量：11
17
作者 宋彦 张羊阳 +3 位作者 姚琦 袁胜 廖娟 刘路 《农业机械学报》 EI CAS CSCD 北大核心 2019年第11期24-33,共10页
针对移动机器人传统路径跟随控制方法需要人工调校参数、缺乏自主优化能力的问题,提出了一种基于启发式动态规划(Heuristic dynamic programming,HDP)的路径跟随控制方法。首先,设计履带式机器人路径跟随控制系统结构,建立了误差状态方... 针对移动机器人传统路径跟随控制方法需要人工调校参数、缺乏自主优化能力的问题,提出了一种基于启发式动态规划(Heuristic dynamic programming,HDP)的路径跟随控制方法。首先,设计履带式机器人路径跟随控制系统结构,建立了误差状态方程;其次,提出了一种基于HDP算法的路径跟随控制方法,综合误差性能指标和跟随稳定性指标设计了回报函数,采用多层前馈神经网络逼近评价器和执行器,并推导了网络参数的在线优化规则;最后,通过数值仿真和系统试验验证了HDP方法的路径跟随性能。试验结果证明,基于HDP算法的控制器跟随直线的平均误差绝对值为0.04 m、均方根误差为0.06 m;跟随钝角转向曲线的平均误差绝对值为0.01 m、均方根误差为0.06 m;跟随锐角转向曲线的平均误差绝对值为0.03 m、均方根误差为0.09 m。该方法不需要对控制参数进行反复调试就能够获得较好的控制效果,提高了移动机器人路径跟随控制方法的环境适应性和自主优化能力。 展开更多
关键词 履带式机器人 路径跟随 启发式动态规划 前馈式神经网络
下载PDF
BP网络学习参数模糊自适应算法的实现 被引量：9
18
作者 冯天瑾 陈哲 顾方方 《青岛海洋大学学报（自然科学版）》 CSCD 2000年第1期137-141,共5页
前馈神经网络BP算法的改进方案中,对网络训练(学习)过程中学习率和惯性系数进行模糊自适应调节,以提高收敛速度,是一项很有效的措施。文中具体分析了如何根据设计者的先验知识确定模糊规则和隶属函数,并以三比特异或函数(或称奇偶分类)... 前馈神经网络BP算法的改进方案中,对网络训练(学习)过程中学习率和惯性系数进行模糊自适应调节,以提高收敛速度,是一项很有效的措施。文中具体分析了如何根据设计者的先验知识确定模糊规则和隶属函数,并以三比特异或函数(或称奇偶分类)的实现为例,验证了这种算法的改进、加速了BP网络的学习过程。 展开更多
关键词 前馈神经网络 BP算法 模糊自适应算法
下载PDF
DV-HOP和接收信号强度指示结合的改进算法 被引量：11
19
作者 李文军 华强 +1 位作者 谭立东 孙悦 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2019年第5期1689-1695,共7页
由于DV-HOP算法易受网络拓扑的影响,定位精度不高,以及噪声和障碍对RSSI算法影响较大,由此会导致估计误差的产生,为提高定位精度以及鲁棒性,本文提出了一种DVHOP和RSSI结合的改进算法。首先,计算未知节点和锚节点间的距离,再将其输入到... 由于DV-HOP算法易受网络拓扑的影响,定位精度不高,以及噪声和障碍对RSSI算法影响较大,由此会导致估计误差的产生,为提高定位精度以及鲁棒性,本文提出了一种DVHOP和RSSI结合的改进算法。首先,计算未知节点和锚节点间的距离,再将其输入到单隐层前馈神经网络训练好的网络模型,实现完整的拓扑训练集,取代网络拓扑结构,进而得到未知节点的位置信息。在MATLAB中做仿真实验,结果表明:与传统的DV-HOP算法和改进的DV-HOP算法相比,DV-HOP和RSSI结合的改进算法具有良好的定位效果和一定的抗干扰性,而且定位误差相对较小。 展开更多
关键词 通信技术 前馈神经网络 DV-HOP算法 RSSI测距算法 改进算法 节点定位
原文传递
基于全波段高光谱的冬小麦生长参数估算方法比较 被引量：11
20
作者 纪景纯 刘建立 +4 位作者 牛玉洁 宣可凡 蒋一飞 邓皓东 李晓鹏 《作物杂志》 CAS 北大核心 2020年第6期180-188,共9页
利用高光谱数据监测作物生长情况具有无损和高效的特点,是现代农业的发展方向。为了简化高光谱数据处理流程,直接利用原始的高光谱反射率完成从建模到估算作物生长参数的全过程,应用于作物长势的实时监测。本文利用偏最小二乘回归(parti... 利用高光谱数据监测作物生长情况具有无损和高效的特点,是现代农业的发展方向。为了简化高光谱数据处理流程,直接利用原始的高光谱反射率完成从建模到估算作物生长参数的全过程,应用于作物长势的实时监测。本文利用偏最小二乘回归(partial least squares regression,PLSR)、支持向量回归(support vector regression,SVR)和前馈神经网络(feedforward neural network,FNN)3种方法,利用全波段高光谱数据分别对冬小麦多个关键生育期(拔节、孕穗、扬花和乳熟期)生长参数(地上部生物量、叶面积指数、全氮含量和叶绿素浓度)进行了估算。比较3种方法的建模及估测效果,发现对于建模集数据,SVR对上述生长参数4个生育期的估测结果R2均值为0.89~0.98,MAPE为1.70%~7.53%,对于验证集数据,R2均值为0.90~0.94,MAPE为4.04%~7.46%,拟合优度和估测精度均超过PLSR和FNN,是估算方法中利用全波段光谱反射率估测冬小麦生长参数的最佳方案。随着无人机载高光谱技术成熟,SVR方法能够用于处理航拍获取的大范围田间高光谱信息,简便快捷地进行建模与参数反演,实时反映作物生长状态。 展开更多
关键词 高光谱遥感 偏最小二乘回归 支持向量回归 前馈神经网络 作物生长监测
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 14 下一页 到第 页
使用帮助 返回顶部