全文获取类型
收费全文 | 30121篇 |
免费 | 4663篇 |
国内免费 | 3738篇 |
专业分类
电工技术 | 1539篇 |
综合类 | 3674篇 |
化学工业 | 1268篇 |
金属工艺 | 1196篇 |
机械仪表 | 2541篇 |
建筑科学 | 1658篇 |
矿业工程 | 458篇 |
能源动力 | 266篇 |
轻工业 | 1379篇 |
水利工程 | 361篇 |
石油天然气 | 788篇 |
武器工业 | 376篇 |
无线电 | 7327篇 |
一般工业技术 | 2848篇 |
冶金工业 | 768篇 |
原子能技术 | 1081篇 |
自动化技术 | 10994篇 |
出版年
2024年 | 428篇 |
2023年 | 1404篇 |
2022年 | 1267篇 |
2021年 | 1555篇 |
2020年 | 1266篇 |
2019年 | 1417篇 |
2018年 | 750篇 |
2017年 | 1037篇 |
2016年 | 1102篇 |
2015年 | 1268篇 |
2014年 | 1842篇 |
2013年 | 1624篇 |
2012年 | 1952篇 |
2011年 | 2060篇 |
2010年 | 1998篇 |
2009年 | 2006篇 |
2008年 | 2100篇 |
2007年 | 1939篇 |
2006年 | 1561篇 |
2005年 | 1463篇 |
2004年 | 1182篇 |
2003年 | 1028篇 |
2002年 | 766篇 |
2001年 | 682篇 |
2000年 | 546篇 |
1999年 | 502篇 |
1998年 | 468篇 |
1997年 | 387篇 |
1996年 | 412篇 |
1995年 | 364篇 |
1994年 | 340篇 |
1993年 | 294篇 |
1992年 | 270篇 |
1991年 | 250篇 |
1990年 | 243篇 |
1989年 | 272篇 |
1988年 | 88篇 |
1987年 | 65篇 |
1986年 | 53篇 |
1985年 | 47篇 |
1984年 | 152篇 |
1983年 | 39篇 |
1982年 | 24篇 |
1981年 | 3篇 |
1980年 | 1篇 |
1979年 | 1篇 |
1976年 | 1篇 |
1959年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 187 毫秒
1.
3.
4.
5.
电力系统维护是电力系统稳定运行的重要保障,应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术,结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务,结合电力线图像特点嵌入改进的图像输入策略和注意力模块,提出一种基于阶段注意力机制的电力线提取模型(SA-Unet)。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略(Stage input fusion strategy, SIFS),充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块(Stage attention module,SAM)聚焦电力线特征,从大量信息中快速筛选出高价值信息。实验结果表明,该方法在复杂背景的多场景中具有良好的性能。 相似文献
6.
以欧美标准中的单包容与全包容低温储罐中的钢制储罐抗震设计方法为分析对象,从抗震设防水准与目标、抗震设计反应谱以及抗震设计准则如地震作用调整系数、阻尼比、载荷组合、抗震许用应力、抗倾覆与滑移、晃动波高等方面进行分析对比,为欧美低温储罐抗震设计方法的工程应用提供参考。为实现抗震设防目标以及与该国(区域)建筑抗震以及荷载标准体系协调,欧美低温储罐抗震各设计准则均存在一定的差异,工程设计时应合理应用以避免安全隐患。 相似文献
7.
利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。 相似文献
8.
10.
为了提高高光谱遥感图像的分类精度, 通过结合像元邻域谱与概率协同表示方法, 提出了一种基于空间信息与光谱信息的分类方法。首先采用插值方法生成像元的邻域谱, 然后用概率协同表示方法将待测样本进行分类。用所提出的方法在AVIRIS Indian Pines和Salinas scene高光谱遥感数据库上进行分类实验, 并和主成分分析、支持向量机、稀疏表示分类器和协同表示分类器方法进行了比较。结果表明, 所提出的方法在AVIRIS Indian Pines数据库上识别精度比主成分分析法高约17%, 其识别精度和kappa系数都优于另外4种方法。该方法是一种较好的高光谱遥感图像分类方法。 相似文献