全文获取类型
收费全文 | 88篇 |
免费 | 10篇 |
国内免费 | 7篇 |
专业分类
电工技术 | 6篇 |
综合类 | 7篇 |
化学工业 | 20篇 |
金属工艺 | 6篇 |
机械仪表 | 9篇 |
建筑科学 | 8篇 |
矿业工程 | 13篇 |
能源动力 | 2篇 |
轻工业 | 2篇 |
石油天然气 | 2篇 |
武器工业 | 1篇 |
无线电 | 5篇 |
一般工业技术 | 3篇 |
原子能技术 | 2篇 |
自动化技术 | 19篇 |
出版年
2024年 | 1篇 |
2023年 | 5篇 |
2022年 | 3篇 |
2021年 | 3篇 |
2020年 | 6篇 |
2019年 | 2篇 |
2018年 | 2篇 |
2017年 | 1篇 |
2016年 | 1篇 |
2015年 | 2篇 |
2014年 | 15篇 |
2013年 | 8篇 |
2012年 | 10篇 |
2011年 | 4篇 |
2010年 | 3篇 |
2009年 | 9篇 |
2008年 | 2篇 |
2007年 | 1篇 |
2006年 | 3篇 |
2005年 | 6篇 |
2003年 | 1篇 |
2002年 | 4篇 |
2001年 | 5篇 |
2000年 | 1篇 |
1997年 | 2篇 |
1996年 | 3篇 |
1995年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有105条查询结果,搜索用时 15 毫秒
91.
用响应面法考察假奓包叶氨基酸提取最佳工艺并确定其氨基酸组成,以氨基酸提取率为评价指标,通过单因素和响应面实验优化其工艺条件并进行氨基酸分析。在盐酸浓度6.1 mol/L,液料比〔即溶液用量(mL)与原料质量(g)的比值,下同〕21.6∶1,水解时间22.3 h,水解温度100℃条件下,氨基酸的提取率为11.21%。再经活性炭脱色、离子交换树脂纯化后得到假奓包叶氨基酸产品。氨基酸分析结果表明,假奓包叶氨基酸产品中总氨基酸质量分数为79.7%,其中必需氨基酸的质量分数达24%,可作为功能性食品或药品的营养添加剂应用。 相似文献
92.
93.
94.
95.
针对正电子发射断层成像重建过程中存在的系统模型误差和投影数据不确定性,提出了基于状态空间体系的鲁棒自适应Kalman滤波法。该方法根据药物动力学先验信息建立状态方程,结合PET测量方程组成状态空间模型。引入虚拟噪声来表示模型的系统矩阵误差之后,通过应用鲁棒自适应Kalman滤波法对未知的系统噪声以及观测噪声进行估计的同时完成PET放射性浓度的重建。实验结果表明,此算法比传统的最大似然法和滤波反投影法更具鲁棒性,适合应用于实际PET系统中。 相似文献
96.
97.
磁共振成像是一种应用广泛的无创医学成像方法,因其丰富的软组织对比度可以成像人体几乎所有内部结构,包括器官、骨骼、肌肉和血管,已成为临床医学影像诊断的利器。然而磁共振成像存在两大公认的瓶颈:成像速度慢、扫描操作烦琐。深度学习给磁共振成像带来莫大的契机,给传统磁共振加速成像带来新的可能。鉴于该领域的快速发展性质,本文旨在总结文献中报道的大量深度学习和磁共振图像重建相结合的方法,以更好地了解该领域。本文简单介绍磁共振成像在多通道线圈接收的并行加速和压缩感知加速下的深度学习重建方法,其中单对比度图像可通过多通道接收线圈提供的冗余度用于加速,多对比度图像可额外使用不同对比度图像这一维度用于加速,动态图像与多对比度图像类似可额外使用时间维度用于加速,本文也将介绍深度学习在这些方面的发展。随着磁共振成像近年来由定性多对比度成像向定量多参数成像的发展,其中定量成像的图像中可内含多对比度图像,如何借用深度学习提供的能力将定性多对比度图像映射到参数图也是一个难点,近年来这一方向也获得了较快的发展,文中也将针对这方面内容进行调研并介绍。针对上述内容,分别介绍国际研究现状和国内研究现状,拟更好地总结国内外研究的发展的异同和趋势。最后对深度学习助力定量磁共振成像方面进行了展望。 相似文献
98.
目录管理用于在操作系统下以文件视图的方式提供整个存储系统的文件和目录。目录管理是操作系统里最频繁的操作。文件系统的用户如果想要知道某一目录下面的文件内容,或者想要得到某一目录下面的所有文件和目录的元数据信息,文件系统调用目录管理模块。结合Windows下的对象存储系统客户端文件系统HIFS(Hust Installable File System),进行HIFS系统的目录管理设计。 相似文献
99.
自大数据蓬勃发展以来,多标签分类一直是令人关注的重要问题,在现实生活中有许多实际应用,如文本分类、图像识别、视频注释、多媒体信息检索等.传统的多标签文本分类算法将标签视为没有语义信息的符号,然而,在许多情况下,文本的标签是具有特定语义的,标签的语义信息和文档的内容信息是有对应关系的,为了建立两者之间的联系并加以利用,提出了一种基于标签语义注意力的多标签文本分类(LAbel Semantic Attention Multi-label Classification,简称LASA)方法,依赖于文档的文本和对应的标签,在文档和标签之间共享单词表示.对于文档嵌入,使用双向长短时记忆(bi-directional long short-term memory,简称Bi-LSTM)获取每个单词的隐表示,通过使用标签语义注意力机制获得文档中每个单词的权重,从而考虑到每个单词对当前标签的重要性.另外,标签在语义空间里往往是相互关联的,使用标签的语义信息同时也考虑了标签的相关性.在标准多标签文本分类的数据集上得到的实验结果表明,所提出的方法能够有效地捕获重要的单词,并且其性能优于当前先进的多标签文本分类算法. 相似文献
100.