全文获取类型
收费全文 | 427篇 |
免费 | 43篇 |
国内免费 | 18篇 |
专业分类
电工技术 | 45篇 |
综合类 | 48篇 |
化学工业 | 28篇 |
金属工艺 | 14篇 |
机械仪表 | 43篇 |
建筑科学 | 31篇 |
矿业工程 | 19篇 |
能源动力 | 19篇 |
轻工业 | 22篇 |
水利工程 | 26篇 |
石油天然气 | 44篇 |
武器工业 | 1篇 |
无线电 | 30篇 |
一般工业技术 | 23篇 |
冶金工业 | 15篇 |
原子能技术 | 1篇 |
自动化技术 | 79篇 |
出版年
2024年 | 2篇 |
2023年 | 19篇 |
2022年 | 28篇 |
2021年 | 22篇 |
2020年 | 27篇 |
2019年 | 32篇 |
2018年 | 24篇 |
2017年 | 18篇 |
2016年 | 17篇 |
2015年 | 19篇 |
2014年 | 41篇 |
2013年 | 28篇 |
2012年 | 23篇 |
2011年 | 22篇 |
2010年 | 24篇 |
2009年 | 17篇 |
2008年 | 24篇 |
2007年 | 17篇 |
2006年 | 7篇 |
2005年 | 4篇 |
2004年 | 7篇 |
2003年 | 6篇 |
2002年 | 8篇 |
2001年 | 10篇 |
2000年 | 5篇 |
1999年 | 4篇 |
1998年 | 3篇 |
1997年 | 6篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1994年 | 4篇 |
1993年 | 7篇 |
1992年 | 4篇 |
1991年 | 2篇 |
1990年 | 1篇 |
1989年 | 1篇 |
1988年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有488条查询结果,搜索用时 62 毫秒
61.
62.
63.
针对三维形状分割问题,提出一种引入权重能量自适应分布参与深度神经网络训练的全监督分割算法.首先对三维形状表面进行过分割得到若干小块,提取每一个小块的特征描述符向量作为神经网络的输入,计算权重能量自适应分布,将经过加权后的分割标签作为神经网络的输出,训练深度神经网络.对于新的未分割的三维模型,提取模型表面三角面片的特征向量后输入到神经网络中进行预测分割后,对预测分割的边缘进行修整得到分割结果,实现三维模型的自动分割.在普林斯顿三维模型分割数据集上的实验结果表明,算法通过在训练过程中引入权重能量自适应分布,可以大幅降低神经网络训练时的均方误差,提高神经网络预测结果的准确率;与传统算法相比,该算法具有高准确率、强鲁棒性、强学习扩展能力等优点. 相似文献
64.
针对基于学习的三维模型兴趣点提取问题,提出一种兴趣点分层学习的全监督算法.提取三维模型表面所有顶点的特征向量后,将人工标注的兴趣点分为稀疏点和密集点,对于稀疏点使用整个三维模型进行神经网络训练,对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配,得到一个用于三维模型兴趣点提取预测的分类器.测试时,提取新输入的三维模型上所有顶点的特征向量,将其输入到训练好的分类器中进行预测,应用改进的密度峰值聚类算法提取兴趣点.算法采用分层学习的策略,解决了传统算法在模型细节处难以准确提取密集兴趣点的问题.在SHREC’11数据集上的实验结果表明,与传统算法相比,该算法提取兴趣点的准确率更高,出现的遗漏点和错误点更少,对解决越来越精细的三维模型的兴趣点提取问题有较大帮助. 相似文献
65.
通过引入目标存在状态变量,建立了结合目标检测与参数估计的统一系统模型。给出目标探测信息、检测信息和空间信息的严格定义,并证明探测信息是检测信息与已知目标存在状态的空间信息之和,从理论上解决了探测信息和检测信息的定量问题。推导出目标匹配和非匹配条件下检测信息的理论公式。提出了随机目标检测方法,并证明了目标检测定理。目标检测定理指出,检测信息是可达的,反之,任何检测器的经验检测信息不大于检测信息。本文提出的目标检测信息理论打破了纽曼-皮尔逊准则一统天下的局面,为目标检测的系统理论和设计方法开辟了新的方向。 相似文献
66.
67.
组态软件在羊栖菜膳食纤维提取过程中的应用 总被引:1,自引:1,他引:0
本在简要介绍GENIE3.X组态软件的基础上,结合羊栖菜膳食纤维提取过程,论述了开发实际测控系统的全过程。给出了系统的硬件组成框图,以实例说明了运用GENIE组态软件来设计应用程序的主要方法。 相似文献
68.
针对随机工艺变动引起的统计寄生参数提取问题,采用Hermite多项式配置法提出加权主元分析技术来对随机变量进行消减,以减少独立变量数目,提高计算效率.在此基础上,利用并行计算技术,进一步减少统计寄生参数提取的运行时间.数值实验结果表明,相对于普通的主元分析,采用文中的加权主元分析能在同等精度情况下使寄生参数提取速度提高几倍至几十倍,而在含8个CPU计算机上的并行计算也取得了6.7倍的加速比. 相似文献
69.
70.