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   685篇
  免费   66篇
  国内免费   48篇
电工技术   23篇
综合类   40篇
化学工业   60篇
金属工艺   5篇
机械仪表   25篇
建筑科学   21篇
矿业工程   5篇
能源动力   9篇
轻工业   7篇
石油天然气   1篇
无线电   77篇
一般工业技术   18篇
冶金工业   10篇
原子能技术   4篇
自动化技术   494篇
  2024年   1篇
  2023年   11篇
  2022年   22篇
  2021年   23篇
  2020年   8篇
  2019年   7篇
  2018年   4篇
  2017年   9篇
  2016年   8篇
  2015年   14篇
  2014年   19篇
  2013年   17篇
  2012年   37篇
  2011年   160篇
  2010年   59篇
  2009年   73篇
  2008年   68篇
  2007年   63篇
  2006年   53篇
  2005年   34篇
  2004年   23篇
  2003年   24篇
  2002年   7篇
  2001年   8篇
  2000年   7篇
  1999年   11篇
  1998年   2篇
  1997年   5篇
  1996年   5篇
  1995年   4篇
  1994年   2篇
  1993年   3篇
  1992年   1篇
  1988年   1篇
  1985年   1篇
  1981年   1篇
  1978年   1篇
  1964年   1篇
  1960年   1篇
  1956年   1篇
排序方式: 共有799条查询结果,搜索用时 93 毫秒
1.
李想  王卫兵  尚学达 《计算机应用》2021,41(6):1647-1651
针对生成式文本摘要应用场景,提出了以Transformer为基础的摘要模型,并在Transformer模型中加入了指针生成(Pointer Generator)网络和覆盖损失(Coverage Loss)进行优化。首先,提出了基于Transformer模型作为基础结构的方法,利用其注意力机制更好地捕捉上下文的语意信息。然后,在模型的损失函数中引入Coverage Loss来惩罚不断出现的重复的词的分布和覆盖范围,从而解决Transformer模型中的注意力机制在生成式任务中出现不断生成同一个词的问题。最后,在模型中加入了Pointer Generator网络,从而允许模型从源文本中复制词用作生成词来解决词表无法覆盖(OOV)的问题。探索了改进后的模型是否减少了不准确的表达以及重复出现相同词的现象是否得以解决。该模型相较于原始的Transformer模型在ROUGE-1评测函数上得分提升了1.98个百分点、ROUGE-2评测函数上得分提升0.95个百分点,在ROUGE-L评测函数上得分提升了2.27个百分点,并提升了摘要结果的可读性及准确性。实验结果表明,Transformer在加入Coverage Loss和Pointer Generator网络后可应用于生成式文本摘要领域。  相似文献   
2.
针对卫星观测任务规划问题约束复杂、求解空间大和输入任务序列长度不固定的特点,使用深度强化学习(DRL)方法对卫星观测任务规划问题进行求解. 综合考虑时间窗口约束、任务间转移机动时间和卫星电量、存储约束,对卫星观测任务规划问题进行建模. 基于指针网络(PN)的运行机制建立序列决策算法模型,使用Mask向量来考虑卫星观测任务规划问题中的各类约束,并通过Actor Critic强化学习算法对模型进行训练,以获得最大的收益率. 借鉴多头注意力(MHA)机制的思想对PN进行改进,提出多头注意力指针网络(MHA-PN)算法. 根据实验结果可以看出,MHA-PN算法显著提高了模型的训练速度和泛化性能,训练好的MHA-PN算法模型可以直接对输入序列进行端到端的推理,避免传统启发式算法迭代求解的过程,具有较高的求解效率.  相似文献   
3.
目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术,提取过程较为复杂且步骤繁多.为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题,本文提出了一种基于深度学习的指针式仪表的识别方法.首先用Faster R-CNN算法检测仪表圆盘,再采用基于深度学习的方法Faster R-CNN算法检测指针,根据得到的指针目标框的位置信息裁剪得到指针图像,在指针图像的基础上进行二值化、细化、霍夫变换检测直线、最小二乘法拟合直线等步骤识别仪表最终读数.和直接在仪表表盘目标框图像或原始图像上进行传统图像处理相比很大程度上减少了定位指针中轴线所在直线过程中的干扰.实验结果表明本文所提出的基于深度学习的指针检测的平均准确率高达96.55%.对于复杂背景下指针式仪表的指针区域的检测具有良好的准确性与稳定性.  相似文献   
4.
基于分支定界法的相控阵雷达事件调度算法   总被引:1,自引:0,他引:1       下载免费PDF全文
段毅  谭贤四  曲智国  王红 《电子学报》2019,47(6):1309-1315
为解决相控阵雷达事件调度问题中调度成功率、时间偏移率与算法时效性三者之间的矛盾,本文提出一种基于分支定界法的调度算法;该算法首先在现有调度结果上调取所有可执行事件,即获得若干"节点",多步递推后由多"层"节点形成若干条备选"分支",扩大解空间范围,提高算法性能;然后通过"删减"操作删减掉收益较低分支,将解空间控制在一适当范围内,减小搜索盲目性,降低算法计算量.仿真实验表明,与基于综合优先级算法的调度结果相比,利用本文算法调度时调度成功率提升了52%;与基于时间指针算法的调度结果相比,本身算法时间偏移率降低了61%;与基于遗传算法的调度结果相比,本文算法调度耗时仅为前者1~2%.  相似文献   
5.
指针仪表示数的视觉识别,对于提高电气、机械、汽车等工业领域的生产效率具有重要意义。采用Hough变换方法完成指针直线特征的识别,进而在表盘圆形特征的识别过程中对Hough变换方法进行了改进,通过减少累加像素数目结合灰度中心法来提高原性特征定位的效率和精度。在字符识别阶段,构建了一个三层次的BP神经网络。实验结果表明,该方法对于Hough变换的改进措施达到了预期效果,BP神经网络也实现了字符特征的准确识别。  相似文献   
6.
本文针对实际党建领域中的新闻标题进行自动生成,提出了一种融合指针网络的自动文本摘要模型-Tri-PCN.相比于传统基于编码器-解码器框架的自动文本摘要模型,党建新闻标题生成模型还需要满足(1)从更长的文本序列提取特征;(2)保留关键的党建信息.针对党建新闻比普通文本摘要任务面临更长文本序列问题,论文使用Transformer模型在解码阶段提取多层次全局文本特征.针对党建新闻标题生成过程中需要保留关键的党建信息,论文引入指针生成网络模型的复制机制在新闻标题生成时可以直接从新闻文本中复制关键词信息.实验采用ROUGE值作为评测指标,结果表明本文提出的Tri-PCN模型在党建新闻领域自动文本摘要任务上效果明显优于基准模型,比其他模型具有更好的效果.  相似文献   
7.
电力系统拓扑自动识别是实现大规模电力系统电磁暂态可视化仿真模型自动生成的重要基础。现有算法大多局限于单层拓扑描述,难以满足大规模电磁暂态模型自动生成对模型分层清晰布局、模块化建模的应用需求。针对该问题提出一种基于关联矩阵压缩和支路指针矢量更新的电力系统拓扑分层识别方法。该方法避免了大量的图搜索和逻辑运算,实现了基于大规模数据源的厂站节点搜索和"站间拓扑+站内拓扑"的自动分层识别,为后续站点自动布局和元件参数自动映射工作提供拓扑基础。对简化系统算例和西南电网实际大规模系统算例进行算法测试分析,验证了所提方法的正确性及适应性。算法可直接应用于省级或区域级复杂电力系统的拓扑分层识别及可视化模型自动生成工作。  相似文献   
8.
基于双重霍夫空间投票的指针表自动读数方法   总被引:1,自引:0,他引:1  
针对现有指针式仪表自动读数算法对图像采集条件要求较为严格的缺陷,提出一种基于双重霍夫空间投票的指针式仪表自动读数方法。该方法根据仪表刻度和圆心在霍夫空间中的分布特性,自适应地计算仪表圆心,并在极坐标空间使用投影法对图像进行分割,提取刻度和指针信息,最后通过距离法对指针式仪表进行读数。实验证明,所提出算法的平均引用误差均在0. 8%以下,有效提高了读数的正确率及鲁棒性。  相似文献   
9.
针对产业化的汽车仪表指针人工视觉检测效果差、检测速度慢和实时性低等问题,本文提出了一种改进的Faster R-CNN汽车仪表指针实时检测算法。通过改进原始的RoI网络层结构,实现小目标高低层特征之间的完整传递;采用双线性内插算法替代两次量化操作,使得特征聚集变成连续的过程,能够有效减少计算时间;最后将工业机采集的视频数据,预处理成VOC格式数据集进行训练,调整超参数得到改进汽车仪表指针检测模型。实验结果表明:所提出的方法能够快速、准确地实现汽车仪表指针检测,单张图片的平均检测时间为0.197 s,平均检测精度可达92.7%。在不同类别仪表指针的迁移实验中,展示了良好的泛化性能。  相似文献   
10.
李伯涵  李红莲 《计算机应用研究》2021,38(11):3289-3292,3358
针对生成式文本摘要中模型对文本语义了解不够充分以及生成摘要缺乏关键信息的问题,提出一种融合关键词的中文摘要生成模型KBPM(Key-BERT-Pen model).首先使用TextRank方法将文本中关键词抽取出来,然后将抽取出的关键词与原文一起经过BERT预训练模型得到更加精确的上下文表示,最终将得到的词向量输入到带有双重注意力机制的指针模型中,指针模型从词汇表或原文中取出词汇来生成最终的摘要.实验结果表明,KBPM模型能够生成可读性更好、ROUGE分数更高的文本摘要.通过对比分析也验证了KBPM模型有效解决了生成摘要中缺乏关键信息的问题.  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