首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   5700篇
  免费   691篇
  国内免费   744篇
电工技术   37篇
技术理论   1篇
综合类   206篇
化学工业   659篇
金属工艺   208篇
机械仪表   102篇
建筑科学   150篇
矿业工程   86篇
能源动力   341篇
轻工业   138篇
水利工程   74篇
石油天然气   244篇
武器工业   31篇
无线电   1159篇
一般工业技术   1238篇
冶金工业   125篇
原子能技术   293篇
自动化技术   2043篇
  2024年   14篇
  2023年   147篇
  2022年   140篇
  2021年   199篇
  2020年   245篇
  2019年   266篇
  2018年   94篇
  2017年   200篇
  2016年   209篇
  2015年   213篇
  2014年   376篇
  2013年   548篇
  2012年   618篇
  2011年   603篇
  2010年   490篇
  2009年   483篇
  2008年   427篇
  2007年   480篇
  2006年   442篇
  2005年   235篇
  2004年   135篇
  2003年   95篇
  2002年   90篇
  2001年   67篇
  2000年   101篇
  1999年   51篇
  1998年   34篇
  1997年   22篇
  1996年   24篇
  1995年   14篇
  1994年   13篇
  1993年   29篇
  1992年   15篇
  1991年   4篇
  1990年   4篇
  1989年   1篇
  1986年   6篇
  1980年   1篇
排序方式: 共有7135条查询结果,搜索用时 15 毫秒
1.
China has suffered overcapacity in coal power since 2016. With growing electricity demand and an economic crisis due to the Covid-19 pandemic, China faces a dilemma between easing restrictive policies for short-term growth in coal-fired power production and keeping restrictions in place for long-term sustainability. In this paper, we measure the risks faced by China's coal power units to become stranded in the next decade and estimate the associated economic costs for different shareholders. By implementing restrictive policies on coal power expansion, China can avoid 90% of stranded coal assets by 2025.  相似文献   
2.
在用于构建深度学习模型的深度学习框架中,算子的正确计算对于深度学习模型的正确预测至关重要.然而,已有的深度学习框架缺陷检测方法只能通过比较和推测的方式找到不同深度学习框架之间计算结果相差较大的算子,而且无法检测深度学习模型在训练过程中产生的计算错误,具有很大的局限性.针对此问题,本文设计并实现了基于元算子的深度学习框架缺陷检测方法,通过将不同深度学习框架中算子的共性计算逻辑抽象为“元算子”,支持在不改变模型代码的前提下绑定元算子的具体实现,从而可以细粒度地对比同一模型使用不同深度学习框架的运算结果,进而发现缺陷.本文的方法同时支持训练过程和推断过程的缺陷检测,还可以对计算错误的定位进行验证.本文验证了元算子计算的准确性,并评估其运算性能;收集了深度学习框架中已知有错误计算的算子,并将本文方法应用在包含这些算子的深度学习模型上,验证了本文缺陷检测方法的有效性.  相似文献   
3.
近年来,深度学习模型已在医疗领域的预测任务上得到广泛应用,并取得了不错的效果.然而,深度学习模型常会面临带标签训练数据不足、整体数据分布偏移和类别之间数据分布偏移的问题,导致模型预测的准确度下降.为解决上述问题,提出一种基于域对抗和加性余弦间隔损失的无监督域适应方法(additive margin softmax based adversarial domain adaptation,AMS-ADA).首先,该方法使用带有注意力机制的双向长短程记忆网络来提取特征.其次,该方法引入了生成对抗网络的思想,以域对抗的形式减少了整体数据之间数据分布偏移.然后,该方法引入了度量学习的思想,以最大化角度空间内决策边界的方式进一步减少了类别之间的数据分布偏移.该方法能够提升域适应的效果与模型预测的准确度.在真实世界的医疗数据集上进行了重症监护病人死亡风险预测任务,实验结果表明:由于该方法相较于其他5种基线模型能够更好地解决数据分布偏移的问题,取得比其他基线模型更好的分类效果.  相似文献   
4.
在院前急救领域中,急救反应时间是指患者拨打急救电话后,急救车到达现场的时间。传统急救车调度算法未全面考虑急救环境的动态性和复杂性因素,导致模型优化的急救反应时间与实际情况存在偏差。将急救车调度问题建模成马尔科夫决策过程,构建基于深度强化学习的急救车调度算法。以多层感知机作为评分网络结构,通过将急救站的动态信息映射为各个急救站的得分,确定急救车被调往各急救站的概率。同时,结合急救车调度的动态决策特点,利用强化学习中演员-评论家框架下的近端策略优化算法改进评分网络参数。在深圳市急救中心真实急救数据集上的实验结果表明,相比Fixed、DSM、MEXCLP等算法,该算法在每个急救事件中的急救反应时间平均缩短约80 s,并且在10 min内急救车的平均到达比例为36.5%,能够实时地将急救车调度到合适的急救站。  相似文献   
5.
因果发现旨在通过观测数据挖掘变量间的因果关系,在实际应用中需要从观测数据中学习隐变量间的因果结构。现有方法主要利用观测变量间的协方差信息(如四分体约束)或引入非高斯假设(如三分体约束)来解决线性因果模型下的隐变量结构学习问题,但大多限定于分布明确的情况,而实际应用环境往往并不满足这种假设。给出任意分布下隐变量结构的识别性证明,指出在没有混淆因子影响的情况下,两个隐变量的因果方向可识别所需要的最小条件是仅需要其中一个隐变量的噪声服从非高斯分布。在此基础上,针对线性隐变量模型提出一种在任意分布下学习隐变量因果结构的算法,先利用四分体约束方法学习得到隐变量骨架图,再通过枚举骨架图的等价类并测量每一个等价类中的三分体约束来学习因果方向,同时将非高斯约束放宽到尽可能最小的变量子集,从而扩展线性隐变量模型的应用范围。实验结果表明,与MIMBuild和三分体约束方法相比,该算法得到了最佳的F1值,能够在任意分布下学习更多的隐变量因果结构信息,且具有更强的鲁棒性。  相似文献   
6.
7.
8.
目的 探究填充不同浓度的无机填料掺铜(Tb0.861Mn0.121)MnO3?δ对柔性磁性薄膜的影响。方法 以Tb4O7、CuO、MnCO3为原料,通过高温固相法最终得到掺铜(Tb0.861Mn0.121)MnO3?δ样品。按照不同的质量分数,将掺铜(Tb0.861Mn0.121)MnO3?δ粉体充分分散于聚乙烯醇溶液中,然后用线棒在已处理的铁板上把含有掺铜(Tb0.861Mn0.121)MnO3?δ粉体的聚乙烯醇溶液制备成磁性薄膜。通过铅笔硬度测试、画圈附着力测试、粗糙度测试、低温物理性能测试、柔性测试,分别评价磁性薄膜的硬度、附着力、粗糙度、磁性、柔性,并通过XRD衍射仪、X射线能谱仪对物相进行分析。结果 添加掺铜(Tb0.861Mn0.121)MnO3?δ粉体使涂层刚性变大,柔性减弱,但涂层的附着力保持不变。对比零添加的树脂薄膜,添加掺铜(Tb0.861Mn0.121)MnO3?δ粉体的薄膜拉伸强度降低。不同质量分数的磁性薄膜顺磁到反铁磁的转变温度相差不大,均在0.1 K左右。结论 掺铜(Tb0.861Mn0.121)MnO3?δ粉体的加入可以保持薄膜的磁性,同时不降低涂层的附着力。当加入较低添加量的粉体时,薄膜具有较好的柔性。  相似文献   
9.
陈柳州  赵泉林  叶正芳 《贵金属》2022,43(4):97-102
贵金属钯在工业生产中应用广泛,然而资源稀缺,价格昂贵,从二次资源中回收钯变得尤为重要。而冶金、电镀、PCB制造和核工业等工业活动中产生的含钯废液和废水是钯的一种占比较大的二次资源。不同来源的含钯废液和废水在钯含量、成分组成和其他特性等方面差异较大。基于40多篇国内外相关文献的分析,总结了从废液和废水中分离回收钯的已有技术,包括沉淀/置换法、萃取法、吸附法和生物法,对各种方法的原理、应用以及优缺点进行了简要介绍。对各种方法的近期研究进展进行了对比,未来研究方向进行展望,为废液和废水中钯的分离回收提供参考。  相似文献   
10.
In order to optimize workflow and improve efficiency, modern enterprises usually entrust software providers to build the Enterprise Information System (EIS). However, the software providers generally do not provide the data dictionary for the EIS relational database, which brings great difficulties for enterprises to use the data stored in the EIS database. This paper proposes a method named database translation mechanism for generating the data dictionary of the EIS relational database which only utilizes the data collected from the interfaces of EIS. Inspired by the great success that Graph Neural Networks (GNNs) have achieved, the study builds a graph structure for the EIS relational database by mining the relationships between columns and then train a GNN-based classifier to predict to which column the value belongs. In addition, a table-based sampling method is designed to construct graph datasets for mini-batch training on the large-scale graph structure. Furthermore, a uniform encoding method and a hybrid aggregator function are proposed to improve the performance of the GNN-based classifier. The trained GNN-based classifier can be used to predict the matching relationships between the columns of the EIS database and the tables extracted from the EIS interfaces given the fact that the data in the database is entered at the interfaces. In this way, the detailed information at the interface to translate the database can be used. Experimental results on a real-world ERP relational database demonstrate the superior performance of the proposed method, which efficiently exploits and utilizes the graph structure information in the relational database.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号