全文获取类型
收费全文 | 59篇 |
免费 | 6篇 |
国内免费 | 1篇 |
专业分类
电工技术 | 1篇 |
综合类 | 1篇 |
化学工业 | 3篇 |
金属工艺 | 1篇 |
机械仪表 | 4篇 |
建筑科学 | 5篇 |
矿业工程 | 4篇 |
能源动力 | 5篇 |
轻工业 | 3篇 |
水利工程 | 4篇 |
石油天然气 | 2篇 |
武器工业 | 2篇 |
无线电 | 3篇 |
一般工业技术 | 5篇 |
冶金工业 | 3篇 |
自动化技术 | 20篇 |
出版年
2023年 | 6篇 |
2022年 | 6篇 |
2021年 | 2篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 2篇 |
2016年 | 1篇 |
2015年 | 2篇 |
2014年 | 4篇 |
2013年 | 6篇 |
2012年 | 7篇 |
2011年 | 3篇 |
2010年 | 7篇 |
2009年 | 2篇 |
2007年 | 6篇 |
2002年 | 3篇 |
1999年 | 1篇 |
1997年 | 2篇 |
1995年 | 2篇 |
1993年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有66条查询结果,搜索用时 578 毫秒
61.
针对地形图的成图方法由传统的白纸法成图发展为数字测图后,在数字化测图过程中,经常会遇到的一些特殊问题,提出了相应的处理方法。 相似文献
62.
63.
与普通网络相比,超网络具有复杂的元组关系(超边),然而现有的大多数网络表示学习方法并不能捕获元组关系。针对上述问题,提出一种超边约束的异质超网络表示学习方法(HRHC)。首先,引入一种结合团扩展和星型扩展的方法,从而将异质超网络转换为异质网络;其次,引入感知节点语义相关性的元路径游走方法捕获异质节点之间的语义关系;最后,通过超边约束机制捕获节点之间的元组关系,从而获得高质量的节点表示向量。在3个真实世界的超网络数据集上的实验结果表明,对于链接预测任务,所提方法在drug、GPS和MovieLens数据集上都取得了较好的结果;对于超网络重建任务,当超边重建比率大于0.6时,所提方法在drug数据集上的准确性(ACC)优于次优的Hyper2vec(biased 2nd order random walks in Hyper-networks),同时所提方法在GPS数据集上的ACC超过其他基线方法中次优的基于关联图的超边超边约束的异质超网络表示学习方法(HRHC-关联图)15.6个百分点。 相似文献
64.
基于360 m2烧结机原燃料条件和生产需求,探究碱度、燃料结构、烧结生石灰配比等工艺参数对烧结经济技术指标的影响。结果表明,碱度升高对烧结经济技术指标及还原性、还原粉化性能有利,但不宜使用高于5.71%的石灰石配比来提高碱度;相对无烟煤粉,焦粉烧结时对烧结产质量指标及冶金性能有更为显著的优势;生石灰配比增加对烧结经济技术指标的提高有着最为显著的作用;对于烧结矿粒度组成,碱度升高、高比例焦粉烧结、高比例生石灰都有利于大粒度烧结矿比例的提高,减少小于5 mm返矿的比例。此外,烧结-高炉的转运会造成烧结矿显著减粒。 相似文献
65.
随着传感器网络和全球定位系统等技术的进步,兼有时间与空间特性的气象数据体量呈爆炸式增长,针对时空序列预测(STSF)的深度学习模型研究得到了迅猛发展。然而,长期以来用于天气预报的传统机器学习方法在提取数据的时间相关性与空间依赖性方面的效果往往并不理想。与此同时,深度学习方法通过人工神经网络自动提取特征,可以有效提高天气预报的准确度,并且在编码长期空间信息的建模方面有相当优秀的效果。同时,由观测数据驱动的深度学习模型与基于物理理论的数值天气预报(NWP)模型结合的方式可以构建拥有更高预测精度与更长预报时间的混合模型。基于这些,将深度学习在天气预报领域的应用分析及研究进展进行了综述。首先,将天气预报领域的深度学习问题与经典深度学习问题从数据格式、问题模型与评价指标这3个方面进行了对比研究;然后,回顾了深度学习在天气预报领域的发展历程与应用现状,并总结分析了深度学习技术与NWP结合的最新进展;最后,展望了未来的发展方向和研究重点,为天气预报领域的深度学习研究提供参考。 相似文献
66.
模板计算是一类使用固定模板的算法,被广泛应用于图像处理、计算流体动力学模拟等领域,现有的模板计算存在计算并行度弱、缓存命中率低、无法充分利用计算资源等问题。在消息传递接口(MPI)计算模型和跨平台多线程(OpenMP)计算模型的基础上提出MPI+OpenMP、统一计算设备架构(CUDA)+OpenMP两种混合计算模型。相较于常规的MPI计算模型,MPI+OpenMP计算模型通过使用MPI进行多节点之间的粗粒度通信,使用OpenMP实现进程内部的细粒度并行计算,并结合单指令多数据、非一致内存访问、数据预取、数据分块等技术,提高模板计算过程中的缓存命中率与计算并行能力,加快计算速度。在只采用CUDA进行模板计算时,CPU的计算资源没有得到充分利用,浪费了大量计算资源,CUDA+OpenMP计算模型通过对计算任务的负载划分让CPU也参与到计算中,以减少通信开销及充分利用CPU的多核并行计算能力。实验结果表明,OpenMP+MPI计算模型相较于MPI计算模型的平均加速比为3.67,CUDA+OpenMP计算模型相较于CUDA计算模型的平均加速比为1.26,OpenMP+MPI和CUDA+Ope... 相似文献