全文获取类型
收费全文 | 8787篇 |
免费 | 1071篇 |
国内免费 | 693篇 |
专业分类
电工技术 | 1819篇 |
综合类 | 1136篇 |
化学工业 | 800篇 |
金属工艺 | 189篇 |
机械仪表 | 487篇 |
建筑科学 | 408篇 |
矿业工程 | 269篇 |
能源动力 | 298篇 |
轻工业 | 162篇 |
水利工程 | 300篇 |
石油天然气 | 295篇 |
武器工业 | 78篇 |
无线电 | 797篇 |
一般工业技术 | 624篇 |
冶金工业 | 251篇 |
原子能技术 | 57篇 |
自动化技术 | 2581篇 |
出版年
2024年 | 8篇 |
2023年 | 91篇 |
2022年 | 227篇 |
2021年 | 254篇 |
2020年 | 256篇 |
2019年 | 273篇 |
2018年 | 218篇 |
2017年 | 271篇 |
2016年 | 283篇 |
2015年 | 360篇 |
2014年 | 499篇 |
2013年 | 468篇 |
2012年 | 634篇 |
2011年 | 717篇 |
2010年 | 506篇 |
2009年 | 584篇 |
2008年 | 585篇 |
2007年 | 680篇 |
2006年 | 518篇 |
2005年 | 445篇 |
2004年 | 390篇 |
2003年 | 309篇 |
2002年 | 271篇 |
2001年 | 228篇 |
2000年 | 205篇 |
1999年 | 206篇 |
1998年 | 173篇 |
1997年 | 132篇 |
1996年 | 122篇 |
1995年 | 114篇 |
1994年 | 85篇 |
1993年 | 82篇 |
1992年 | 53篇 |
1991年 | 51篇 |
1990年 | 34篇 |
1989年 | 50篇 |
1988年 | 34篇 |
1987年 | 27篇 |
1986年 | 22篇 |
1985年 | 9篇 |
1984年 | 13篇 |
1983年 | 17篇 |
1982年 | 12篇 |
1981年 | 8篇 |
1980年 | 10篇 |
1979年 | 5篇 |
1978年 | 2篇 |
1977年 | 2篇 |
1963年 | 3篇 |
1962年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
本文提出一种基于K-means聚类与机器学习回归算法的预测模型以解决零售行业多个商品的销售预测问题,首先通过聚类分析识别出具有相似销售模式的商品从而实现数据集的划分,然后分别在每个子数据集上训练了支持向量回归、随机森林以及XGBoost模型,通过构建数据池的方式增加了用于训练模型的数据量以及预测变量的选择范围.在一家零售企业的真实销售数据集上对提出的模型进行了验证,实验结果表明基于K-means和支持向量回归的预测模型表现最优,且所提出的模型预测效果明显优于基准模型以及不使用聚类的机器学习模型. 相似文献
2.
针对传统雷达差分干涉测量技术(DInSAR)无法利用相位信息识别矿区大量级沉降区域地表活动信息的问题,本文采用时序振幅分析方法,对16景Sentinel-1A的振幅数据进行多时相处理,提取了2017年5月13日至2018年2月25日开采沉陷区地表后向散射系数。通过建立研究区后向散射系数分析模型,分析了开采活动过程中地表后向散射系数时序变化特征,发现地表后向散射系数由工作面外边缘至工作面中心逐渐增大,在工作面中心区域变化剧烈;通过对比分析工作面走向和倾向地表特征观测点的沉降速率与后向散射系数的关系,发现两者在开采沉陷过程中平均相关系数r大于0.8,具有较强的相关性。实验结果表明,利用沉陷区地表后向散射系数能较好地分析地表动态沉降速率规律,是识别大量级沉降区域地表活动剧烈程度的指标,为矿区地表变形提供了新的分析手段,具有良好的应用前景。 相似文献
3.
针对采样型正弦脉宽调制(SPWM)技术中几种传统实现方法各有优缺点的问题,特别是在谐波含量这一重要指标上的比较,提出了一种谐波通用计算与分析方法,可作为SPWM新技术研究的辅助工具。基于MATLAB数值计算和傅里叶级数,以不对称规则采样法SPWM波的生成及其谐波计算为例,详细分析了脉宽调制(PWM)波的各次谐波和总谐波系数(THD)的计算过程。通过该方法计算对称规则采样法与不对称规则采样法SPWM波的THD值,比较结果验证了该方法的可行性。同时通过以占空比为30%的方波的谐波计算,证明了该方法的通用性。 相似文献
4.
在车辆液压系统中,油液压力脉动常常会诱发管路振动,导致管路产生疲劳破坏。以汽车液压系统管路为研究对象,建立流固耦合力学模型,分析了管路系统在多变工况时压力脉动的传播规律。结果表明:当液压阀突然关闭时,油液脉动会发生突变增大,液压阀关闭时间越快,油液脉动增加的幅度越大,在靠近出口即接近液压阀的位置脉动最大,而远离液压阀的位置脉动较小;当液压阀突然开启时,油液压力脉动增大,液压阀开启时间越短,油液脉动增大幅度越大;当串联工具结构时,由于有工具结构的作用,液压脉动在工具结构附近会增大。研究为液压系统的设计及管路振动分析提供理论依据。 相似文献
5.
基于多时序特征和卷积神经网络的农作物分类 总被引:1,自引:0,他引:1
近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络 模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明:①引入其他时序特征后,能够有效地提高卷积神经网络的分类精度。NDVI+EVI+TVI+RVI组合特征总体精度和Kappa系数最高,分别是89.667 4%和0.856 0,对比NDVI时序特征总体精度和Kappa系数提高了近4%和0.6。②在与其他深度学习模型的对比中,一维卷积神经网络分类精度最高,能够从时序数据中较为准确捕捉作物时序特征信息,尽管递归神经网络被广泛应用于序列数据的研究,但分类结果要略差于卷积神经网络。实验表明在NDVI的基础上引入其他植被指数辅助,能够有效地提高分类精度。基于一维卷积神经网络的深度学习框架为长时间序列分类任务提供了一种有效且高效的方法。 相似文献
6.
光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。 相似文献
7.
为了预测无人机发动机飞行参数值,建立一种多参数关联的向量求和自回归移动平均模型(vector auto
regression integrated moving average,VARIMA)。模型以无人机飞行数据作为输入,利用模拟退火算法对VARIMA
模型参数进行优化,构建多源飞行参数关联的数据模式,利用构建好的数据模式实现状态参数的预测。选取无人机
多次飞行的飞参数据进行实验。实验结果表明:优化后的VARIMA 预测模型预测性能好,比优化前的预测用时节省
了0.23 s。 相似文献
8.
提出一种基于季节指数调整的神经网络风速预测方法。针对历史风速之间的非线性关系,运用神经网络非线性拟合能力并结合季节性指数调整对风速时间序列进行预测。通过时序图法和增广Dickey-Fullerd检验法判断时间序列的平稳性,结果表明该序列为非平稳序列。这种不稳定性说明时间序列中可能包含趋势、季节性、循环和不规则成分的一种或多种,为此采用时间序列分解模型对时间序列进行季节指数调整。最后采用LSTM 和GRU神经网络预测风速,得到了较好的预测结果,且与未调整的数据预测结果及加法模型季节指数调整后的预测结果相比,基于乘法模型季节指数调整的2种神经网络预测结果有更高的风速预测精度。 相似文献
9.
为对畸形波这类突发性事件进行较为准确的预报,避免畸形波对海上建筑物和人员安全产生的巨大危害.采用紧致型小波神经网络模型,根据某岛礁地形实测数据建立的岛礁三维模型中测得的波高试验数据,选取试验数据中3种典型波高时间序列分别实现了包含畸形波的波浪数据对常规波浪的预报、包含近似畸形波的波浪数据对畸形波的预报以及常规波浪对包含畸形波的波浪数据的预报.为验证小波神经网络模型精度,同时采用常规神经网络BP模型在相同条件下对3种典型波高时间序列进行预报,最后将两种神经网络预报结果精度进行对比.研究结果表明:小波神经网络能较好的捕捉畸形波突发事件,对于3种工况中的波面整体预报精度以及畸形波处的预报精度,小波神经网络预报模型均高于BP神经网络预报模型,预报的波高曲线也与实际波高曲线拟合效果更好.在神经网络训练样本中若存在畸形波特征,也将进一步提高对未来畸形波的预报精度.该项研究对船舶或海洋工程的畸形波风险预警具有一定的应用价值. 相似文献
10.
股价预测一直是金融时间序列研究的热点和难点,采用一种合理有效的股价预测方法对于投资者获取高额收益回报及规避交易风险具有重要的指导意义.通过结合近端策略优化(proximal policy optimization, PPO)和强化学习(reinforcement learning, RL),将股价预测视为一个时间序列预测问题,提出一种近端强化学习的股价预测方法 (PPORL).此外,在预测方法的基础上引入股票的相对强弱性能和股票均线指标,提出一种能够自动捕捉潜在交易点的量化交易策略,期望在获取高额收益的同时降低交易过程中存在的风险.通过实验对比了长短期记忆网络(long short-term memory, LSTM)和循环神经网络(recurrent neural network, RNN)模型在上证指数(SZZS)、深证成指(SZCZ)和沪深300指数(HS300)上的预测性能和交易决策表现,并利用多种误差评估方法对预测结果进行定量分析,从而验证了PPORL在预测性能和交易决策等方面的有效性和鲁棒性. 相似文献