全文获取类型
收费全文 | 9859篇 |
免费 | 1078篇 |
国内免费 | 614篇 |
专业分类
电工技术 | 387篇 |
综合类 | 656篇 |
化学工业 | 622篇 |
金属工艺 | 812篇 |
机械仪表 | 786篇 |
建筑科学 | 667篇 |
矿业工程 | 289篇 |
能源动力 | 67篇 |
轻工业 | 822篇 |
水利工程 | 164篇 |
石油天然气 | 140篇 |
武器工业 | 446篇 |
无线电 | 2082篇 |
一般工业技术 | 462篇 |
冶金工业 | 495篇 |
原子能技术 | 64篇 |
自动化技术 | 2590篇 |
出版年
2024年 | 43篇 |
2023年 | 553篇 |
2022年 | 620篇 |
2021年 | 654篇 |
2020年 | 494篇 |
2019年 | 419篇 |
2018年 | 166篇 |
2017年 | 177篇 |
2016年 | 183篇 |
2015年 | 300篇 |
2014年 | 487篇 |
2013年 | 407篇 |
2012年 | 413篇 |
2011年 | 513篇 |
2010年 | 456篇 |
2009年 | 475篇 |
2008年 | 806篇 |
2007年 | 694篇 |
2006年 | 414篇 |
2005年 | 459篇 |
2004年 | 472篇 |
2003年 | 385篇 |
2002年 | 327篇 |
2001年 | 283篇 |
2000年 | 192篇 |
1999年 | 166篇 |
1998年 | 157篇 |
1997年 | 119篇 |
1996年 | 122篇 |
1995年 | 116篇 |
1994年 | 111篇 |
1993年 | 82篇 |
1992年 | 61篇 |
1991年 | 59篇 |
1990年 | 46篇 |
1989年 | 56篇 |
1988年 | 17篇 |
1987年 | 11篇 |
1986年 | 5篇 |
1985年 | 10篇 |
1984年 | 5篇 |
1983年 | 3篇 |
1982年 | 8篇 |
1981年 | 3篇 |
1979年 | 1篇 |
1951年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
1.
3.
针对CAGAN(Conditional Analogy GAN)换衣后效果模糊,在目标衣服与原始衣服长短不一致时效果一般,相对目标衣服保留过少的细节等问题做了相关研究并对CAGAN进行了改进,提出了新的虚拟试衣方式。经过改进的CAGAN生成一个粗糙的结果,由该结果得到目标衣服穿在模特身上改变形状后的mask,接下来利用mask对目标衣服进行变形,综合变形的衣服和第一步的结果便得到最终的试衣图像。实验结果表明,该方法解决了前面存在的问题,而且取得了非常好的效果。 相似文献
5.
6.
矿物油是C_(10)~C_(50)烃类化合物的总称,包括直链、支链和环状烷烃以及烷基取代芳烃两大类,化学成分复杂。食用植物油中普遍存在矿物油污染,含量达到1~1 000 mg/kg,矿物油污染来源广泛,涉及原料的采收、运输、加工和油脂的精炼、包装与储存等过程。植物油中干扰矿物油分析的成分较多,如甘油三酯、奇数碳正构烷烃、角鲨烯、甾烯、胡萝卜素等,需要采用适当方法排除。由于矿物油组成复杂,目前常用具有等碳响应的氢火焰离子化检测器分析含量,其中液相色谱-气相色谱联用是测定矿物油的理想技术。考虑到普及性问题,一些实验室开发了固相萃取结合大体积进样气相色谱法。综述了国内外近十年来食用植物油中矿物油的分析方法,以期为我国油脂及其相关产品中矿物油的检测工作提供参考。 相似文献
7.
为了去除频域光学相干断层扫描(SD-OCT)中的散斑噪声,提出了一种结构保持生成对抗网络模型,可以无监督地从SD-OCT图像合成高质量的增强深部成像光学相干断层扫描(EDI-OCT)图像.该模型基于循环生成对抗网络结构学习无配对SD-OCT和EDI-OCT图像之间的域映射关系.为了克服循环生成对抗网络生成图像的结构性差异问题,模型利用连续帧之间的相似性引入全局结构损失,保证了图像的全局结构一致性;同时通过模态无关邻域描述符引入局部结构损失,保持了图像的解剖结构细节.在50组CirrusSD-OCT数据集上进行去噪的实验结果表明,该模型的PSNR值为29.03 dB, SSIM值为0.82, EPI值为0.50,均优于现有模型. 相似文献
8.
传统的图像识别方法需要大量有标签样本进行训练,且模型训练难以达到稳定。针对这些问题,结合条件生成网络和信息最大化生成网络的结构优势建立了条件信息卷积生成网络(C-Info-DCGAN)。模型增加图像的类别信息和潜在信息作为输入数据,然后利用Q网络去更好地发挥类别信息和潜在信息对训练的引导作用,并且利用深度卷积网络来加强对图像特征的提取能力。实验结果表明,该方法能够加快模型训练收敛速度,并有效提高图像识别的准确率。 相似文献
9.
近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。 相似文献