全文获取类型
收费全文 | 237篇 |
免费 | 10篇 |
国内免费 | 4篇 |
专业分类
综合类 | 46篇 |
化学工业 | 20篇 |
金属工艺 | 5篇 |
机械仪表 | 7篇 |
建筑科学 | 10篇 |
矿业工程 | 2篇 |
能源动力 | 2篇 |
轻工业 | 2篇 |
石油天然气 | 3篇 |
无线电 | 22篇 |
一般工业技术 | 32篇 |
冶金工业 | 2篇 |
原子能技术 | 31篇 |
自动化技术 | 67篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2022年 | 3篇 |
2021年 | 4篇 |
2020年 | 4篇 |
2019年 | 8篇 |
2018年 | 5篇 |
2017年 | 4篇 |
2016年 | 7篇 |
2015年 | 3篇 |
2014年 | 12篇 |
2013年 | 14篇 |
2012年 | 11篇 |
2011年 | 14篇 |
2010年 | 10篇 |
2009年 | 11篇 |
2008年 | 10篇 |
2007年 | 14篇 |
2006年 | 14篇 |
2005年 | 10篇 |
2004年 | 9篇 |
2003年 | 10篇 |
2002年 | 10篇 |
2001年 | 13篇 |
2000年 | 9篇 |
1999年 | 6篇 |
1998年 | 5篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 3篇 |
1994年 | 5篇 |
1993年 | 2篇 |
1991年 | 3篇 |
1990年 | 1篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1984年 | 1篇 |
1983年 | 1篇 |
1982年 | 3篇 |
1981年 | 1篇 |
1972年 | 1篇 |
排序方式: 共有251条查询结果,搜索用时 0 毫秒
251.
本文通过研究钢筋混凝土(RC)墩柱力学性能试验数据、经验知识和机器学习的融合机制,提出了经验知识监督的RC墩柱力学性能神经网络(Knowledge-guided neural network, KGNN)分析方法。首先建立了包含761组RC墩柱拟静力试验样本的数据库;随后,基于经验知识分析了RC墩柱主要特征对其力学性能影响规律,构建了相应的数学表征方法;最后,将RC墩柱试验数据及经验知识融入人工神经网络架构和训练过程,建立了高精度、可解释、可通用且不依赖大量训练数据的RC墩柱力学性能KGNN分析模型。本文提出的KGNN分析方法与纯数据驱动神经网络(BPNN)的结果对比表明,尽管BPNN在测试集上表现更好,在分析墩柱承载力时均方误和相关系数分别为0.070和0.978,而KGNN模型结果为0.108和0.942,但BPNN所预测的墩柱特征对承载力的影响规律与经验知识并不吻合,亦即未能准确反映墩柱特征与其力学性能间的关系,发生了过拟合。而该KGNN方法不仅可以快速准确获得RC墩柱力学性能,且预测规律与经验知识吻合较好,具有更高的可靠性和实用性。 相似文献