全文获取类型
收费全文 | 53255篇 |
免费 | 6722篇 |
国内免费 | 5614篇 |
专业分类
电工技术 | 6941篇 |
技术理论 | 2篇 |
综合类 | 6692篇 |
化学工业 | 1371篇 |
金属工艺 | 1819篇 |
机械仪表 | 5743篇 |
建筑科学 | 1851篇 |
矿业工程 | 1911篇 |
能源动力 | 1432篇 |
轻工业 | 1091篇 |
水利工程 | 1304篇 |
石油天然气 | 1336篇 |
武器工业 | 977篇 |
无线电 | 7481篇 |
一般工业技术 | 2436篇 |
冶金工业 | 964篇 |
原子能技术 | 207篇 |
自动化技术 | 22033篇 |
出版年
2024年 | 925篇 |
2023年 | 3323篇 |
2022年 | 3408篇 |
2021年 | 3997篇 |
2020年 | 3445篇 |
2019年 | 3408篇 |
2018年 | 1439篇 |
2017年 | 1539篇 |
2016年 | 1407篇 |
2015年 | 1556篇 |
2014年 | 2411篇 |
2013年 | 2120篇 |
2012年 | 2616篇 |
2011年 | 2801篇 |
2010年 | 2771篇 |
2009年 | 3083篇 |
2008年 | 3208篇 |
2007年 | 3027篇 |
2006年 | 2767篇 |
2005年 | 2600篇 |
2004年 | 2279篇 |
2003年 | 1876篇 |
2002年 | 1529篇 |
2001年 | 1377篇 |
2000年 | 1253篇 |
1999年 | 1075篇 |
1998年 | 913篇 |
1997年 | 807篇 |
1996年 | 783篇 |
1995年 | 591篇 |
1994年 | 407篇 |
1993年 | 307篇 |
1992年 | 255篇 |
1991年 | 131篇 |
1990年 | 71篇 |
1989年 | 60篇 |
1988年 | 7篇 |
1987年 | 1篇 |
1986年 | 10篇 |
1980年 | 1篇 |
1977年 | 1篇 |
1959年 | 1篇 |
1951年 | 5篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
81.
视觉里程计利用视频信息来估计相机运动的位姿参数,实现对智能体的定位。传统视觉里程计方法需要特征提取、特征匹配/跟踪、外点剔除、运动估计、优化等流程,解算非常复杂,因此,提出了基于卷积神经网络的方法来实现端对端的单目视觉里程计。借助卷积神经网络对彩色图片自动学习提取图像帧间变化的全局特征,将用于分类的卷积神经网络转化为帧间时序特征网络,通过三层全连接层输出相机的帧间相对位姿参数。在KITTI数据集上的实验结果表明,提出的Deep-CNN-VO模型可以较准确地估计车辆的运动轨迹,证明了方法的可行性。在简化了复杂模型的基础上,与传统的视觉里程计系统相比,该模型的精度也有所提高。 相似文献
82.
83.
84.
针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题,提出一种多共振分量融合卷积神经网络(multi-resonance component fusion based convolutional neural network,简称MRCF-CNN)的行星齿轮箱故障诊断方法。首先,对振动信号进行共振稀疏分解,得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量;其次,构建多共振分量融合卷积神经网络,将得到的高、低共振分量和原始振动信号进行自适应的特征级融合,通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明,该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障,成功对行星齿轮箱故障进行诊断,同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。 相似文献
85.
提出了运用近红外光谱技术检测新鲜马铃薯叶片中含水量的方法,并通过预测结果和运算量的对比得出一种高效率的预测方法。采集了900~2100 nm波段范围内110个新鲜马铃薯叶片的光谱反射率信息,经SG(Savitzky-Golay)平滑、多元散射校正(MSC)和标准正态变量变换(SNV)3种预处理后,分别建立偏最小二乘回归(PLSR)模型和BP神经网络模型,再运用回归系数(regression coefficients, RC)法在全波段光谱中提取特征波长,同样经3种预处理后分别建立预测模型。结果表明:在运用光谱全波段信息构建的模型中,经多元散射校正(MSC)预处理建立的BP神经网络模型预测效果最好,预测集决定系数R2为0.9791 ,均方根误差RMSE为0.3723 ;在基于特征波长构建的模型中,经SG平滑预处理建立的神经网络模型预测效果最优,预测集决定系数R2为0.9658 ,均方根误差RMSE为0.4759 ;验证了特征波段结合BP神经网络建立的模型与全波段建立的模型预测结果相差不大,因而能够极大地减少运算量,提高预测效率。 相似文献
86.
88.
针对在灰度图像着色领域中,传统算法信息提取率不高、着色效果不理想的问题,提出了基于密集神经网络的灰度图像着色算法,以实现改善着色效果,让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性,构建并训练了一个端到端的深度学习模型,对图像中的各类信息及特征进行提取。训练网络时与原图像进行对比,以逐渐减小网络输出结果的信息、分类等各类型的损失。训练完成后,只需向网络输入一张灰度图片,即可生成一张颜色饱满、鲜明逼真的彩色图片。实验结果表明,引入密集网络后,可有效改善着色过程中的漏色、细节信息损失、对比度低等问题,所提算法着色效果较基于VGG网络及U-Net、双流网络结构、残差网络(ResNet)等性能优异的先进着色算法而言取得了显著的改进。 相似文献
89.
90.