全文获取类型
收费全文 | 1544篇 |
免费 | 233篇 |
国内免费 | 592篇 |
专业分类
电工技术 | 2篇 |
综合类 | 38篇 |
机械仪表 | 20篇 |
矿业工程 | 1篇 |
水利工程 | 1篇 |
武器工业 | 3篇 |
无线电 | 235篇 |
一般工业技术 | 10篇 |
自动化技术 | 2059篇 |
出版年
2024年 | 8篇 |
2023年 | 34篇 |
2022年 | 28篇 |
2021年 | 52篇 |
2020年 | 53篇 |
2019年 | 56篇 |
2018年 | 29篇 |
2017年 | 36篇 |
2016年 | 40篇 |
2015年 | 76篇 |
2014年 | 79篇 |
2013年 | 69篇 |
2012年 | 98篇 |
2011年 | 96篇 |
2010年 | 101篇 |
2009年 | 124篇 |
2008年 | 166篇 |
2007年 | 164篇 |
2006年 | 167篇 |
2005年 | 176篇 |
2004年 | 153篇 |
2003年 | 123篇 |
2002年 | 133篇 |
2001年 | 59篇 |
2000年 | 93篇 |
1999年 | 84篇 |
1998年 | 49篇 |
1997年 | 15篇 |
1996年 | 8篇 |
排序方式: 共有2369条查询结果,搜索用时 0 毫秒
1.
联邦学习中,终端将更新后的模型参数值,而不是原始数据传递至服务器,从而成为保障边缘计算中数据隐私安全的关键技术.因此,提出了基于联邦学习的边缘计算方法(FLBEC),在保护用户隐私的同时,减少终端参与联邦学习的开销.首先设计了基于联邦学习的边缘计算系统架构,提出了隐私保护机制.分析了终端参与联邦学习时间和能耗,提出了研究的目标,即保护边缘计算中用户隐私,同时在保证精度的前提下,减少联邦学习时间和能耗.然后,从参与者选择、本地更新和全局聚合3个方面提出了改进后的联邦学习算法.最后通过对比实验验证了在FLBEC算法中,绝大多数终端在达到目标精度的前提下可以大幅度地降低联邦学习时间和能耗,从而减少联邦学习开销,表明了FLBEC算法的优越性. 相似文献
3.
在许多现实应用中,数据以一种特征演化流的形式收集.例如,随着传感器的更换,由旧传感器收集的数据特征会消失,新传感器收集的数据特征会出现.在线被动-主动算法已被证明可以有效地从具有固定特征空间和梯形特征空间的数据集中学习线性分类器.因此,提出了一种基于被动-主动更新策略的特征演化学习算法(passive-aggressive learning with feature evolvable streams,PAFE).该算法通过主动-被动更新策略从当前特征空间和被恢复的已消失特征空间中学习了2个模型.具体来说,在重叠时段,即新旧特征同时存在的时段,该算法用新特征恢复了消失的特征空间,同时用旧特征空间模拟了新特征空间,进而为新特征空间的模型学习提供合理的初始化.基于这2个模型,为提高算法整体性能提出了2个集成算法:组合预测和当前最优预测.在合成数据集和真实数据集上的实验结果验证了该算法的有效性. 相似文献
4.
云计算是一种通过网络以服务的方式向用户提供按需收费的计算资源的模式,目前企业逐渐将业务部署、数据处理转移到云计算平台上进行.因为可扩展性、性能等各方面需求,所以云平台部署在分布式系统上.由于分布式系统采用大量的商品机通过复杂的结构进行搭建,因此分布式系统中组件发生故障是无法避免的.为了提高分布式系统的可靠性,技术人员在开发分布式系统时为其设计了容错机制.为了保证容错机制在分布式系统发生故障时能真正有效地工作,故障注入是检验容错机制的方法之一,通过人为地向系统中注入特定的故障,观察系统的行为并检验容错机制是否正确工作.由于分布式系统的并发特性,传统软件测试方法无法对其进行完全测试,近年来越来越多地使用模型检测技术来对分布式系统进行验证.现有的模型检测技术注重对分布式系统的安全性属性和活性属性的检测,忽略了对容错机制尤其是活性属性容错机制的检测,所以如何验证系统的活性属性容错机制是目前面临的挑战.采用抽象模型检测方法会引入模型与实际系统不匹配的问题.同时,采用实现级模型检测方法会加剧模型检测中的状态空间爆炸问题.本文提出了一个实现级模型检测工具LTMC(Liveness Properties Fault Tolerance Model Checker),结合故障注入技术对分布式协议的安全性属性与活性属性及其容错机制进行验证.同时,基于分布式系统节点的角色,本文提出了一种对等约减策略PRP(Peer Reduction Policy)对LTMC需要搜索的状态空间进行约减,缓解了状态空间爆炸问题.此外,LTMC通过引入逻辑时钟机制,优先搜索那些更有实际价值的事件执行路径.LTMC能够有目标地在待验证系统运行的特定时刻注入特定的故障,而不依赖于随机故障注入策略;当待验证系统发生改变时,只需要简单地对工具进行轻微的修改;LTMC可以系统地发现分布式协议中指定类型的所有Bug.在本文最后,我们将LTMC应用到ZooKeeper和Cassandra的几个协议中,并与深度优先搜索作对比,可以发现LTMC有3.7~594.4倍的状态空间约减率. 相似文献
5.
针对在Candide-3模型上进行三维人脸重建时不能表达人眼部细节动作的问题,提出了一种改进Candide-3模型重建人脸的方法。该方法首先在Candide-3模型上对眼部进行建模,其中眼部的建模具体分为眼球的建模以及眼睑的建模。对于眼球采用2个半球结合的方式进行建模。对于眼睑的建立,分别在Candide-3的模型上对眼睑的内边缘、外边缘以及上眼睑沟用Bezier曲线进行建模。然后结合人脸特征点的信息和局部最小二乘法匹配原理建立了与输入人脸图像相仿的三维人脸模型。接着,对脸部进行特征点约束的方法贴纹理,眼球分别用局部球形纹理贴图以及球形纹理贴图的方法贴图。最后,在该模型上用分段线性插值的方法,逼真地完成了眼睑的睁闭、眨眼以及眼球的旋转等相关动作。 相似文献
6.
近年来,国家电网积极推动泛在电力物联网的建设,以实现电力系统的万物互联与优化管理.其中,射频识别技术(RFID)作为泛在电力物联网建设的核心技术,凭其价格低廉、无需电源、非视距通信、远距离通信等特点,被广泛应用于电力仓储物资管理、电力巡检等应用场景.为了盘点电力设备仓库中的物品,需要快速识别粘贴在物品上的标签,然而由于仓库中存在大量标签,在通信过程中容易产生标签信号冲突.针对当前商用RFID系统普遍采用的符合EPC C1G2标准的动态帧时隙ALOHA协议,提出了一种新型的基于Q-learning与神经网络的帧长优化算法(记作QN-leaming).通过将动态帧长选择问题转化为马尔可夫决策过程(MDP),即观察到的状态为不同种类时隙的个数(空时隙数、单时隙数、冲突时隙数),执行的动作为设置合理的帧长,从而利用Q-learning与神经网络来自主学习帧长选择策略,基于学习到的策略可以指导系统根据最新观察选择能够实现全局最优的帧长.仿真实验结果表明,基于QN-learning算法在动态调整帧长方面表现优异,能够实现标签的有效识别,在保障高吞吐率的同时控制阅读器的询问次数,减少数据传输量. 相似文献
7.
随着软件项目规模的扩大以及软件复杂性的增加,缺陷修复的难度越来越大.其中,绝大多数缺陷问题都是由代码的错误编写导致的,在软件缺陷修复过程中开发维护人员需要花费大量的时间定位并修改缺陷代码.针对这个问题,对缺陷报告以及对应的项目变更信息进行整合,根据代码抽象语法树结构信息计算代码块与缺陷报告之间的关系,从而构建缺陷-代码知识库.在此知识库的基础上构建面向缺陷定位的代码搜索引擎,以向用户推荐更全面的缺陷定位信息,包括相似缺陷报告、相关缺陷代码文件以及缺陷代码块,从而帮助开发和维护人员及时有效地定位缺陷.实验结果说明,相比现有的缺陷定位方法,所提方法能够更准确地定位缺陷代码文件,并且可有效定位到代码粒度. 相似文献
8.
9.