全文获取类型
收费全文 | 50篇 |
免费 | 5篇 |
国内免费 | 23篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2022年 | 3篇 |
2021年 | 1篇 |
2020年 | 1篇 |
2019年 | 2篇 |
2018年 | 1篇 |
2015年 | 3篇 |
2014年 | 7篇 |
2013年 | 3篇 |
2012年 | 1篇 |
2011年 | 6篇 |
2010年 | 2篇 |
2009年 | 5篇 |
2008年 | 5篇 |
2007年 | 2篇 |
2006年 | 5篇 |
2005年 | 3篇 |
2004年 | 3篇 |
2003年 | 2篇 |
2002年 | 2篇 |
2001年 | 3篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1998年 | 1篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1994年 | 2篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有78条查询结果,搜索用时 15 毫秒
51.
52.
在进行遗传学研究中 ,所采用的主要研究方法就是杂交试验法。遗传学家孟德尔正是利用豌豆作为试验材料 ,采用杂交试验法揭示出了遗传的 2个基本规律 ,即基因的分离规律和自由组合规律。在遗传试验中 ,如果对实验条件严加控制 ,而且试验的群体足够大 ,那么试验得出的实际数据就会与理论预期值非常接近。但由于种种因素的干扰 ,实际试验值偏离理论预期值而产生误差 ,总是在所难免的。那么试验中出现的误差 ,究竟是属于机会造成的 ,还是实验本身的问题 ?换句话说 ,出现的误差是否在理论允许的范围内 ?这就需要进行测验。而通常采用的方法是χ2 … 相似文献
53.
对于2SUR回归模型的参数估计问题,给出了一些一般均方误差矩阵比较结果,据此提出了一类线性估计和一类基于离差阵广义非限定估计的非线性两步估计,并获得了该两步估计类的一些有限样本性质。 相似文献
54.
55.
人工神经网络模型在水稻群体分蘖动态模拟中外推能力的测试 总被引:2,自引:0,他引:2
研究利用人工神经网络模型 ,以水稻群体分蘖动态为例 ,采用交互验证和独立验证的方式 ,对水稻生长 BP网络模型进行了训练与模拟 ,其结果与水稻群体分蘖的积温统计模型、基本动力学模型和复合分蘖模型进行了比较。研究结果表明 ,神经网络模型具有一定的外推能力 ,但其外推能力依赖于大量的训练样本。神经网络模型具有较好的拟合能力 ,是因为有较多的模型参数 ,因此对神经网络模型的训练需要大量的参数来保证其参数不致过度吻合。具有外推能力神经网络模型的最少训练样本数应大于 6 .75倍于神经网络参数数目 ,小于 13.5倍于神经网络参数数目。因此在应用神经网络模型时 ,如果神经网络模型包括较多的输入变量时 ,可考虑采用主成分分析、对应分析等技术对输入变量进行信息综合 ,相应地减少网络模型的参数。另一方面 ,当训练样本不足时 ,最好只用神经网络模型对同一系统的情况进行模拟 ,应谨慎使用神经网络模型进行外推。神经网络模型给作物模拟研究的科学工作者提供了一个“傻瓜”式工具 ,对数学建模不熟悉的农业研究人员 ,人工神经网络可以替代数学建模进行仿真实验 ;对于精通数学建模的研究人员来说 ,它至少是一种补充和可作为比较的非线性数据处理方法 相似文献
56.
NEE观测误差分布类型对陆地生态系统机理模型参数估计的影响——以长白山温带阔叶红松林为例 总被引:3,自引:0,他引:3
基于观测数据的陆地生态系统模型参数估计有助于提高模型的模拟和预测能力,降低模拟不确定性.在已有参数估计研究中,涡度相关技术测定的净生态系统碳交换量(NEE)数据的随机误差通常被假设为服从零均值的正态分布.然而近年来已有研究表明NEE数据的随机误差更服从双指数分布.为探讨NEE观测误差分布类型的不同选择对陆地生态系统机理模型参数估计以及碳通量模拟结果造成的差异,以长白山温带阔叶红松林为研究区域,采用马尔可夫链-蒙特卡罗方法,利用2003~2005年测定的NEE数据对陆地生态系统机理模型CEVSA2的敏感参数进行估计,对比分析了两种误差分布类型(正态分布和双指数分布)的参数估计结果以及碳通量模拟的差异.结果表明,基于正态观测误差模拟的总初级生产力和生态系统呼吸的年总量分别比基于双指数观测误差的模拟结果高61~86 g C m-2 a-1和107~116 g C m-2 a-1,导致前者模拟的NEE年总量较后者低29~47 g C m-2 a-1,特别在生长旺季期间有明显低估.在参数估计研究中,不能忽略观测误差的分布类型以及相应的目标函数的选择,它们的不合理设置可能对参数估计以及模拟结果产生较大影响. 相似文献
57.
生长模型的误差函数及其数学特征 总被引:8,自引:1,他引:7
生长曲线是估计动物年龄的重要方法之一,在野生动物生态学中,动物的体重往往被用作估计动物年龄的主要指标。然而,在动物体重测定过程中经常会出现一些偏差。例如,动物的日常活动( 进食、饮水、排泄等)通常会引起动物体重的变化,这样在不同时间测定动物的体重就会产生偏差;此外,在测定动物体重的过程中,我们往往称量到一定的精确度。这些偏差将直接导致对动物年龄的估计误差。本文分析了4种常见生长模型(Logistic、Gompertz、Bertalanffy、Richards)的误差函数的数学特征。结果表明,由动物日常活动导致的年龄估计误差在动物的幼龄阶段为量小,而由称量精确度导致的年龄估算误差在生长曲线的拐点处为最小。 相似文献
58.
对于一些复杂的农业生态系统,人们对其生态过程了解较少,且这些系统的不确定性和模糊性较大,用传统的方法难以模拟这些系统的行为,神经网络模型因为能较精确地模拟这些系统的行为,而引起生态学者们的广泛兴趣。该文着重介绍了误差逆传神经网络模型的结构、算法及其在农业和生态学中的应用研究。误差逆传神经网络模型一般采用三层神经网络模型结构,三层的神经网络模型能模拟任意复杂程度的连续函数,而且因为它的结构小而不容易产生与训练数据的过度吻合。误差逆传神经网络模型算法的主要特征是:利用当前的输入误差对权值进行调整。在生态学和农业研究中,误差逆传神经网络模型通常作为非线性函数模拟器用于预测作物产量、生物生产量、生物与环境之间的关系等。已有的研究表明:误差逆传神经网络模型的模拟精度要远远高于多元线性方程,类似于非线性方程,而在样本量足够的情况下,有一定的外推能力。但是误差逆传神经网络模型需要大量的样本量来保证所求取参数的可靠性,但这在实际研究中很难做到,因而限制了误差逆传神经网络模型的应用。近年来人们提出了强制训练停止、复合模型等多种技术来提高误差逆传神经网络模型的外推能力,也提出了Garson算法、敏感性分析以及随机化检验等技术对误差逆传神经网络模型的机理进行解释。误差逆传神经网络模型的真正优势在于模拟人们了解较少或不确定性和模糊性较大系统的行为,这些是传统模型所无法实现的,因而是对传统机理模型的重要补充。 相似文献
59.
S形增长模型之比较、组合预测及应用 总被引:10,自引:2,他引:8
对5种S形增长模型进行比较,以组合模型的误差平方和最小为目标建立组合预测模型,并以实例说明其应用。 相似文献
60.
本文主要阐述了如何应用引用误差的概念经济合理地选择具有一定精度等级和量程的仪器仪表,以满足工程实际的需要。 相似文献