全文获取类型
收费全文 | 58491篇 |
免费 | 7057篇 |
国内免费 | 4715篇 |
专业分类
电工技术 | 6568篇 |
技术理论 | 1篇 |
综合类 | 6660篇 |
化学工业 | 5015篇 |
金属工艺 | 4315篇 |
机械仪表 | 3573篇 |
建筑科学 | 4283篇 |
矿业工程 | 2423篇 |
能源动力 | 2611篇 |
轻工业 | 2333篇 |
水利工程 | 2177篇 |
石油天然气 | 6806篇 |
武器工业 | 775篇 |
无线电 | 6430篇 |
一般工业技术 | 6272篇 |
冶金工业 | 2074篇 |
原子能技术 | 947篇 |
自动化技术 | 7000篇 |
出版年
2024年 | 71篇 |
2023年 | 1084篇 |
2022年 | 1655篇 |
2021年 | 2080篇 |
2020年 | 2091篇 |
2019年 | 1760篇 |
2018年 | 1438篇 |
2017年 | 1963篇 |
2016年 | 2016篇 |
2015年 | 2154篇 |
2014年 | 3118篇 |
2013年 | 3405篇 |
2012年 | 4125篇 |
2011年 | 4485篇 |
2010年 | 3320篇 |
2009年 | 3473篇 |
2008年 | 3183篇 |
2007年 | 4030篇 |
2006年 | 3825篇 |
2005年 | 3262篇 |
2004年 | 2868篇 |
2003年 | 2432篇 |
2002年 | 2013篇 |
2001年 | 1710篇 |
2000年 | 1510篇 |
1999年 | 1326篇 |
1998年 | 996篇 |
1997年 | 868篇 |
1996年 | 796篇 |
1995年 | 650篇 |
1994年 | 581篇 |
1993年 | 412篇 |
1992年 | 316篇 |
1991年 | 250篇 |
1990年 | 236篇 |
1989年 | 222篇 |
1988年 | 152篇 |
1987年 | 76篇 |
1986年 | 65篇 |
1985年 | 41篇 |
1984年 | 43篇 |
1983年 | 23篇 |
1982年 | 22篇 |
1981年 | 22篇 |
1980年 | 19篇 |
1979年 | 14篇 |
1978年 | 6篇 |
1975年 | 7篇 |
1959年 | 11篇 |
1955年 | 5篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
边界识别是位场数据解释中一项重要任务,可用于资源探测等领域,是目前研究的热点问题之一。对于深部异常体目标,采用传统的边界识别方法易出现模糊、发散、变形等问题,而改进的方法大多采用高阶导数,虽然能够很好地识别出深部异常体边界,但是计算复杂,易受噪声干扰。为了改善以上问题,提出了一种稳定的快速边界识别方法,仅利用符号函数和重磁垂直导数数据,即可均衡识别不同深度的目标,且避免了高阶导数的计算。通过理论模型的实验与对比,验证了方法的便捷性、有效性、抗斜磁化能力以及抗噪能力。同时,应用实测数据验证了方法在复杂重磁环境下,能够准确清晰地分辨出异常体,可节约相关研究人员的大量时间与精力,具有很好地应用前景。 相似文献
2.
3.
针对泵站普遍因存在供需不平衡、管理差等而造成大量能源浪费的问题,对泵站系统扬程、效率偏差情况进行分析,明确了系统供需间的差异情况,利用灰色关联度法,对泵站目标电耗的影响因素进行关联度分析,确定了扬程、效率、流量3个影响因素关联度大小。建立以单位产量电耗最小为目标函数的优化调度模型,并结合泵站实际情况,运用人工蜂群算法(Artificial Bee Colony,ABC)进行寻优计算,得出运行优化方案,得到系统在不同流量、扬程需求下的最佳开机台数及调速比,表明了ABC算法在泵站优化的实用价值。 相似文献
4.
为进一步做好称重式降水传感器技术装备保障工作,使观测数据更加准确,文章以DSC3型称重式降水传感器为例,依据其结构及工作原理,向收集容器注入不同水位,控制流量模拟不同雨强对称重式降水传感器进行现场校准。结果表明:校准称重式降水传感器与收集容器水位无关,不同的降水强度其误差稳定不变,校准后所得误差可作为系统误差,较翻斗式雨量传感器更加精准可靠。 相似文献
5.
近年来,国际政治经济形势发生了深刻变革,中国的石油行业面临着严峻的多维挑战。在高成本开采压力之下,采取油气技术+互联网的方式,借助机器视觉技术建设智能油田有望成为当前油田降本增效的有效途径。通过调研机器视觉技术在油田应用现状及进展,对融合过程中存在的问题进行了分析挖掘,前瞻性地探讨了机器视觉与油田深度融合的建设目标、建设模式和建设方向。 相似文献
6.
提出一种基于强化学习的生成对抗网络(Reinforcement learning-based Generative Adversarial Networks,Re-GAN)能耗预测方法.该算法将强化学习与生成对抗网络相结合,将GAN(Generative Adversarial Nets)中的生成器以及判别器分别构建为强化学习中Agent(生成器)以及奖赏函数.在训练过程中,将当前的真实能耗序列作为Agent的输入状态,构建一组固定长度的生成序列,结合判别器及蒙特卡洛搜索方法进一步构建当前序列的奖赏函数,并以此作为真实样本序列后续第一个能耗值的奖赏.在此基础之上,构建关于奖赏的目标函数,并求解最优参数.最后使用所提算法对唐宁街综合大楼公开的建筑能耗数据进行预测试验,实验结果表明,所提算法比多层感知机、门控循环神经网络和卷积神经网络具有更高的预测精度. 相似文献
7.
为了解决现有推荐算法仅考虑同类产品间单向推荐所缺乏的灵活性,提升产品的销量及用户的购物体验,提出一种基于客户喜好的双向个性化推荐算法,不仅可以为客户精准推荐产品,还可以为商家推荐潜在客户.首先,基于产品购买网络中客户及其邻居的购买信息,扩展客户购买信息;其次设计客户产品喜好权重计算办法,分析客户的购买喜好,并在客户喜好的指导下为客户提供个性化的产品推荐;最后,基于商家提供的样本客户,挖掘与样本客户相似的客户构成社区,为商家提供潜在客户推荐以及精准客户维护.在真实数据集上的实验验证了算法的有效性.该算法从客户和商家两个维度出发实现了产品与客户的双向推荐,为个性化推荐领域的研究提供有益的帮助. 相似文献
8.
9.
10.
In recent years, artificial intelligence (AI) is being increasingly utilised in disaster management activities. The public is engaged with AI in various ways in these activities. For instance, crowdsourcing applications developed for disaster management to handle the tasks of collecting data through social media platforms, and increasing disaster awareness through serious gaming applications. Nonetheless, there are limited empirical investigations and understanding on public perceptions concerning AI for disaster management. Bridging this knowledge gap is the justification for this paper. The methodological approach adopted involved: Initially, collecting data through an online survey from residents (n = 605) of three major Australian cities; Then, analysis of the data using statistical modelling. The analysis results revealed that: (a) Younger generations have a greater appreciation of opportunities created by AI-driven applications for disaster management; (b) People with tertiary education have a greater understanding of the benefits of AI in managing the pre- and post-disaster phases, and; (c) Public sector administrative and safety workers, who play a vital role in managing disasters, place a greater value on the contributions by AI in disaster management. The study advocates relevant authorities to consider public perceptions in their efforts in integrating AI in disaster management. 相似文献