全文获取类型
收费全文 | 3631篇 |
免费 | 611篇 |
国内免费 | 397篇 |
专业分类
电工技术 | 164篇 |
综合类 | 280篇 |
化学工业 | 21篇 |
金属工艺 | 8篇 |
机械仪表 | 85篇 |
建筑科学 | 71篇 |
矿业工程 | 5篇 |
能源动力 | 14篇 |
轻工业 | 70篇 |
水利工程 | 8篇 |
石油天然气 | 10篇 |
武器工业 | 389篇 |
无线电 | 1792篇 |
一般工业技术 | 117篇 |
冶金工业 | 12篇 |
自动化技术 | 1593篇 |
出版年
2024年 | 40篇 |
2023年 | 447篇 |
2022年 | 496篇 |
2021年 | 506篇 |
2020年 | 329篇 |
2019年 | 230篇 |
2018年 | 67篇 |
2017年 | 42篇 |
2016年 | 29篇 |
2015年 | 53篇 |
2014年 | 112篇 |
2013年 | 115篇 |
2012年 | 107篇 |
2011年 | 138篇 |
2010年 | 150篇 |
2009年 | 168篇 |
2008年 | 184篇 |
2007年 | 171篇 |
2006年 | 143篇 |
2005年 | 136篇 |
2004年 | 136篇 |
2003年 | 122篇 |
2002年 | 127篇 |
2001年 | 122篇 |
2000年 | 71篇 |
1999年 | 65篇 |
1998年 | 53篇 |
1997年 | 39篇 |
1996年 | 45篇 |
1995年 | 47篇 |
1994年 | 45篇 |
1993年 | 21篇 |
1992年 | 23篇 |
1991年 | 20篇 |
1990年 | 15篇 |
1989年 | 12篇 |
1988年 | 8篇 |
1987年 | 1篇 |
1986年 | 3篇 |
1951年 | 1篇 |
排序方式: 共有4639条查询结果,搜索用时 281 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
4.
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
5.
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
6.
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
8.
基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息,再通过添加烟雾和地面反射等风格信息,完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量,采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明,与现有多模态图像转换相比,本文方法可以保证场景中火焰形态的多样性,迁移后的场景具有较高的视觉真实性,所得结果的FID与LPIPS值最小,分别为119.6和0.134 2。 相似文献
9.
10.