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   14854篇
  免费   2695篇
  国内免费   2005篇
电工技术   682篇
技术理论   3篇
综合类   1569篇
化学工业   549篇
金属工艺   161篇
机械仪表   516篇
建筑科学   951篇
矿业工程   667篇
能源动力   153篇
轻工业   577篇
水利工程   333篇
石油天然气   503篇
武器工业   84篇
无线电   1688篇
一般工业技术   833篇
冶金工业   845篇
原子能技术   63篇
自动化技术   9377篇
  2024年   31篇
  2023年   378篇
  2022年   707篇
  2021年   869篇
  2020年   836篇
  2019年   649篇
  2018年   599篇
  2017年   587篇
  2016年   580篇
  2015年   712篇
  2014年   1020篇
  2013年   902篇
  2012年   1142篇
  2011年   1258篇
  2010年   978篇
  2009年   969篇
  2008年   993篇
  2007年   1113篇
  2006年   914篇
  2005年   738篇
  2004年   622篇
  2003年   536篇
  2002年   509篇
  2001年   344篇
  2000年   284篇
  1999年   232篇
  1998年   164篇
  1997年   125篇
  1996年   115篇
  1995年   98篇
  1994年   87篇
  1993年   55篇
  1992年   43篇
  1991年   31篇
  1990年   35篇
  1989年   29篇
  1988年   19篇
  1987年   16篇
  1986年   27篇
  1985年   23篇
  1984年   22篇
  1983年   22篇
  1982年   13篇
  1981年   14篇
  1980年   10篇
  1979年   9篇
  1978年   9篇
  1964年   7篇
  1961年   8篇
  1955年   7篇
排序方式: 共有10000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.
针对恶意安卓应用程序检测中存在的特征维度大、检测效率低的问题,结合卷积神经网络CNN良好的特征提取和降维能力以及catboost算法无需广泛数据训练即可产生较好分类结果的优点,构建一个CNN-catboost混合恶意安卓应用检测模型。通过逆向工程获取安卓应用的权限、API包、组件、intent、硬件特性和OpCode特征等静态特征并映射为特征向量,再在特征处理层使用卷积核对特征进行局部感知处理以增强信号。使用最大池化对处理后的特征进行下采样,降低维数并保持特征性质不变。将处理后的特征作为catboost分类层的输入向量,利用遗传算法的全局寻优能力对catboost模型进行调参,进一步提升分类准确率。对训练完成的模型,分别使用已知和未知类型的安卓应用程序数据集作实际应用测试。实验结果表明CNN-catboost模型调参用时较少,在预测精度和检测效率上也展示出较为良好的效果。  相似文献   
3.
基于描述文本的网络攻击自动化分类是实现APT攻击知识智能抽取的重要基础。针对网络攻击文本专业词汇多、难识别,语义上下文依赖强、难判断等问题提出一种基于上下文语义分析的文本词句特征自动抽取方法,通过构建BERT与BiLSTM的混合神经网络模型BBNN(BERT and BiLSTM Neural Network),计算得到网络攻击文本的初步分类结果,再利用方差过滤器对分类结果进行自动筛选。在CAPEC(Common Attack Pattern Enumeration and Classification)攻击知识库上的实验结果显示,该方法的准确率达到了79.17%,相较于单一的BERT模型和BiLSTM模型的分类结果分别提高了7.29%和3.00%,实现了更好的网络攻击文本自动化分类。  相似文献   
4.
引入句法依存信息到原方面术语,提出一种新的方面术语表示方法,利用Glove词向量表示单词以及单词与单词之间的依存关系,构造出包含句法依存信息的依存关系邻接矩阵和依存关系表示矩阵,利用图卷积神经网络和多头注意力机制将句法依存信息融入到方面术语中,使得方面术语表达与上下文结构高度相关。将改进后的方面词术语表示替换到现有模型后,模型泛化能力得到有效提升。对比试验和分析结果表明:该方法具有有效性和泛化性。  相似文献   
5.
提出一种对膨胀土进行判别和分类的新指标——最大面积收缩率(SCR),其定义为最大面积收缩率试验中试样干燥后收缩裂隙的总面积与试样初始面积的比值。通过对不同地区土样开展试验,研究了制样初始含水率、初始厚度、接触面粗糙度以及环境温度对试验结果的影响,并对SCR作为膨胀土判别与分类指标的可信度与可靠度进行了分析,最终提出了利用SCR对膨胀土进行分类的界限指标。试验结果表明:初始含水率和界面粗糙度对SCR用于膨胀土的判别和分类没有影响;当初始厚度限制在8 mm以内时,可以忽略厚度对试验结果的影响;建议烘干温度为105℃。SCR与蒙脱石含量、阳离子交换量线性相关,能较好地反应膨胀土的胀缩特性;SCR与标准吸湿含水率和塑性指数线性相关,体现出利用SCR对膨胀土进行判别与分类具有较高的可信度。最大面积收缩率试验操作简单、周期短且可重复性高。  相似文献   
6.
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   
7.
日本是垃圾分类水平最高、资源循环利用率最高的国家之一。对日本生活垃圾长效治理机制进行分析与介绍,有助于我国破解生活垃圾“运动式”治理所面临的可持续性难题,推进源头分类,实现从“新时尚”到“好习惯”到“绿色循环低碳发展的转变”。  相似文献   
8.
在现实世界中,可用的训练数据通常较少,且很容易过时,所以需要不断采集和标记大量新的数据集;针对此问题,提出一种基于SAMME和TrAdaBoost算法的迁移学习分类方法。该方法的核心思想是:从老视频流数据集中筛选出有用的样本来帮助模型识别新的未知视频流集样本,这里新老视频流数据集的样本特征分布是不相同的。同时该方法结合SAMME算法将TrAdaBoost算法从只可实现两分类扩展至多分类。实验结果表明,与现有方法比较,该方法能更好地实现对六种类型视频流的精细分类,并减少大量已标注老数据集的浪费。  相似文献   
9.
熊丽婷 《计算机应用研究》2021,38(11):3495-3499
为了平衡跟踪器的分类与估计模块间的性能差距,提出一种模块性能均衡的跟踪器.首先,通过大量离线学习,将高阶特征纳入目标估计中;然后,对目标估计模块进行训练,预测目标对象与估计跟踪框之间的重叠.为了提高所提分类模块在面对干扰物时的鲁棒性,引入在线训练的分类模块,采用了难分样本挖掘方法,确保较高的区分能力.在OTBI00、VOT2016和TrackingNet三个公开数据集上进行实验,结果表明,与相关滤波、多域网络等方法相比,所提方法的重叠精度指标更优、跟踪精度更高,且收敛性明显快于梯度下降法,运行速率达到实时要求.  相似文献   
10.
基于多时序特征和卷积神经网络的农作物分类   总被引:1,自引:0,他引:1  
近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络 模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明:①引入其他时序特征后,能够有效地提高卷积神经网络的分类精度。NDVI+EVI+TVI+RVI组合特征总体精度和Kappa系数最高,分别是89.667 4%和0.856 0,对比NDVI时序特征总体精度和Kappa系数提高了近4%和0.6。②在与其他深度学习模型的对比中,一维卷积神经网络分类精度最高,能够从时序数据中较为准确捕捉作物时序特征信息,尽管递归神经网络被广泛应用于序列数据的研究,但分类结果要略差于卷积神经网络。实验表明在NDVI的基础上引入其他植被指数辅助,能够有效地提高分类精度。基于一维卷积神经网络的深度学习框架为长时间序列分类任务提供了一种有效且高效的方法。  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