全文获取类型
收费全文 | 7085篇 |
免费 | 1343篇 |
国内免费 | 1047篇 |
专业分类
电工技术 | 372篇 |
技术理论 | 5篇 |
综合类 | 803篇 |
化学工业 | 223篇 |
金属工艺 | 81篇 |
机械仪表 | 270篇 |
建筑科学 | 301篇 |
矿业工程 | 232篇 |
能源动力 | 180篇 |
轻工业 | 91篇 |
水利工程 | 181篇 |
石油天然气 | 180篇 |
武器工业 | 47篇 |
无线电 | 563篇 |
一般工业技术 | 471篇 |
冶金工业 | 170篇 |
原子能技术 | 59篇 |
自动化技术 | 5246篇 |
出版年
2024年 | 13篇 |
2023年 | 200篇 |
2022年 | 341篇 |
2021年 | 401篇 |
2020年 | 451篇 |
2019年 | 321篇 |
2018年 | 258篇 |
2017年 | 261篇 |
2016年 | 277篇 |
2015年 | 325篇 |
2014年 | 504篇 |
2013年 | 390篇 |
2012年 | 548篇 |
2011年 | 572篇 |
2010年 | 489篇 |
2009年 | 451篇 |
2008年 | 534篇 |
2007年 | 568篇 |
2006年 | 418篇 |
2005年 | 396篇 |
2004年 | 362篇 |
2003年 | 320篇 |
2002年 | 210篇 |
2001年 | 175篇 |
2000年 | 131篇 |
1999年 | 98篇 |
1998年 | 91篇 |
1997年 | 80篇 |
1996年 | 50篇 |
1995年 | 46篇 |
1994年 | 36篇 |
1993年 | 45篇 |
1992年 | 24篇 |
1991年 | 10篇 |
1990年 | 14篇 |
1989年 | 11篇 |
1988年 | 10篇 |
1987年 | 10篇 |
1986年 | 5篇 |
1985年 | 4篇 |
1984年 | 7篇 |
1983年 | 5篇 |
1982年 | 2篇 |
1981年 | 2篇 |
1977年 | 2篇 |
1975年 | 1篇 |
1966年 | 1篇 |
1959年 | 1篇 |
1957年 | 2篇 |
1954年 | 1篇 |
排序方式: 共有9475条查询结果,搜索用时 15 毫秒
1.
针对文本分类任务中标注数量少的问题,提出了一种基于词共现与图卷积相结合的半监督文本分类方法。模型使用词共现方法统计语料库中单词的词共现信息,过滤词共现信息建立一个包含单词节点和文档节点的大型图结构的文本图,将文本图中邻接矩阵和关于节点的特征矩阵输入到结合注意力机制的图卷积神经网络中实现了对文本的分类。实验结果表明,与目前多种文本分类算法相比,该方法在经典数据集20NG、Ohsumed和MR上均取得了更好的效果。 相似文献
2.
树形结构作为一种非线性数据结构,在程序执行过程中的演变过程较为抽象,尤其是在对其进行加工型操作时,容易发生内存泄漏。针对编程初学者难以掌握树形结构的逻辑演变过程,以及在程序中发生内存泄漏错误时调试较为困难的问题,文中提出了一种对程序调试过程中树形结构的演变过程进行可视化呈现的处理模型TEVM(Tree Evaluation Visualization Model)。针对单个可视化程序在调试步骤前和调试步骤后的两个树形结构,设计了一种将树形结构转换为线性表示的结构对比算法,得出了它们的包括泄漏树在内的结构差异;同时设计了一种树形结构布局方法,并计算它们的布局差异。根据结构差异和布局差异生成可视化演变序列,调用绘图引擎对该序列进行解析和执行,从而完成对树形结构及其演变过程的动态、平滑和直观的可视化呈现,帮助编程初学者快速理解树形结构相关程序的执行过程,提升调试效率。将TEVM模型集成于一个面向编程实训教学的集成开发环境原型Web AnyviewC中,取得了较好的应用效果。 相似文献
3.
电网故障处置预案是电网故障处置的重要参考,对电网故障处置预案文本中各类电力设备、名称编号等细粒度的关键实体信息进行抽取,是实现计算机学习理解预案内容并进一步支撑故障处置智能化的重要基础。文中提出一种基于深度学习的电网故障处置预案文本命名实体识别技术,首先采用字向量表征预案文本,然后将注意力机制以及双向长短期记忆网络相结合,有所侧重地提取实体词深层字符特征,最后采用条件随机场求解最优序列化的标注。算例表明:文中所提预案文本命名实体识别模型不依赖人工特征,能够自动高效地提取文本特征,准确识别预案文本中细粒度的实体词,满足预案文本中关键实体信息精确定位和识别的要求。 相似文献
4.
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
5.
针对复杂场景下文本识别流程复杂繁琐、适应性差、准确度低等缺点,本文提出一种复杂场景下文本检测和识别的新方法.该方法由文本区域检测网络及文本识别网络构成,文本区域检测网络为改进的PSENet,将PSENet的骨干网络改为ResNeXt-101,在特征提取过程中加入可微二值化操作来优化分割网络,不仅简化了后处理,而且提高了文本检测的性能.将卷积神经网络和加入聚合交叉熵损失的长短时记忆网络组成文本识别网络,聚合交叉熵的引入提高了文本识别的准确性.本文在两个数据集上进行验证,实验结果表明,两个网络模型融合后准确率最高达到95.6%,优于改进之前的方法.该方法能有效地检测和识别任意文本实例,具有很好的实用性. 相似文献
6.
针对雾天车牌图像模糊、车牌识别率低的问题,给出了车牌图像色彩迁移与正则化约束去雾算法。算法主要包含色彩迁移去雾和文本修复两个模块。采用MKL(Monge-Kantorovitch Linear Colour Mapping)色彩迁移算法,恢复雾天车牌颜色信息实现去雾;利用车牌的文本像素的强度和梯度特征对车牌图像进行正则化约束,实现车牌中文本的修复。实验结果表明,无论针对合成车牌雾图还是自然车牌雾图,去雾效果良好,且在薄雾、中等雾及浓雾三种不同雾度环境下都能够有效提高车牌识别率。 相似文献
7.
通过定量与定性相结合的方式全面分析了深度学习在自然语言处理领域的研究情况。采用CiteSpace和VOSviewer对深度学习在自然语言处理领域的研究国家、机构、期刊分布、关键词共现、共被引网络聚类及时间轴视图等进行知识图谱绘制,理清研究脉络。通过深入挖掘领域内的重要文献,总结深度学习在自然语言处理领域的研究趋势、存在的主要问题或发展瓶颈,并给出相应的解决办法与思路。对于如何跟踪深度学习在自然语言处理领域的研究成果给出建议,为该领域的后续研究与发展提供参考。 相似文献
8.
高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求. 相似文献
9.
国内外对于CO2泡沫与稠油作用的理论研究已相对成熟,但能直观表现CO2泡沫在驱替稠油过程中对残余油的启动过程以及作用方式的可视化研究较少,为了进一步探究CO2泡沫与稠油的作用机理,利用自制二维平面模型,通过可视化实验驱替系统开展了CO2泡沫在驱替过程中对残余稠油启动效果的微观动态实验研究,观察了启动盲端残余油、剥蚀油膜、段塞前端乳化驱油等过程;利用高温高压配样装置,开展了CO2泡沫体系作用下稠油的PVT实验。温度从30℃升至90℃,气体溶解度变化不大;稠油体积因子由1.19上升至1.42;降黏率由13.55%上升至67.42%。一方面,CO2泡沫选择性封堵大孔道、启动残余油的微观作用;另一方面,CO2泡沫流体降低了驱替系统的流度比。这两者的共同作用,使得CO2泡沫流体具有改善波及体积、增加驱油效率的效果。 相似文献
10.
比较文本对于企业竞争产品分析至关重要,但目前面向问答领域的比较文本分类研究较少。针对问答文本中比较信息丰富、主题集中的特点,提出了基于主题特征和关键词特征扩展的比较文本分类方法。通过预训练主题模型,推断问答文本的主题概率分布作为其主题特征;针对向量拼接、求和导致关键词信息流失的问题,设计GRU自编码器实现关键词向量特征提取。综合文本主题信息和关键词语义,从语言、产品、情感、社交、主题、关键词角度构建比较文本分类特征,最后使用多种分类器对问答文本进行分类。实验结果表明,构建的特征行之有效,比较文本分类效果较好。 相似文献