全文获取类型
收费全文 | 23919篇 |
免费 | 2986篇 |
国内免费 | 2222篇 |
专业分类
电工技术 | 2364篇 |
综合类 | 2605篇 |
化学工业 | 2874篇 |
金属工艺 | 1597篇 |
机械仪表 | 1752篇 |
建筑科学 | 1740篇 |
矿业工程 | 1008篇 |
能源动力 | 624篇 |
轻工业 | 2430篇 |
水利工程 | 913篇 |
石油天然气 | 778篇 |
武器工业 | 297篇 |
无线电 | 2860篇 |
一般工业技术 | 1879篇 |
冶金工业 | 893篇 |
原子能技术 | 409篇 |
自动化技术 | 4104篇 |
出版年
2024年 | 126篇 |
2023年 | 365篇 |
2022年 | 876篇 |
2021年 | 1263篇 |
2020年 | 848篇 |
2019年 | 591篇 |
2018年 | 631篇 |
2017年 | 696篇 |
2016年 | 628篇 |
2015年 | 1024篇 |
2014年 | 1280篇 |
2013年 | 1522篇 |
2012年 | 1946篇 |
2011年 | 2141篇 |
2010年 | 2042篇 |
2009年 | 2088篇 |
2008年 | 2078篇 |
2007年 | 2060篇 |
2006年 | 1710篇 |
2005年 | 1433篇 |
2004年 | 1003篇 |
2003年 | 629篇 |
2002年 | 705篇 |
2001年 | 557篇 |
2000年 | 448篇 |
1999年 | 142篇 |
1998年 | 48篇 |
1997年 | 55篇 |
1996年 | 31篇 |
1995年 | 21篇 |
1994年 | 19篇 |
1993年 | 20篇 |
1992年 | 16篇 |
1991年 | 15篇 |
1990年 | 7篇 |
1989年 | 11篇 |
1988年 | 6篇 |
1987年 | 4篇 |
1986年 | 8篇 |
1985年 | 5篇 |
1984年 | 1篇 |
1983年 | 1篇 |
1982年 | 2篇 |
1981年 | 6篇 |
1980年 | 3篇 |
1979年 | 4篇 |
1970年 | 1篇 |
1959年 | 7篇 |
1951年 | 4篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
71.
戴华珍 《电脑与微电子技术》2012,(4):65-69,73
在控制系统监控、系统先进控制和优化控制等实时控制系统中,随着数据量的增大,把卖时数据库整合到这些系统中是一种发展趋势。以汽车控制系统为例,运用ACCORD方法对该控制系统中的实时数据库建模。 相似文献
72.
73.
介绍企事业单位公告通知管理系统的开发。本系统基于JEE平台,使用JSP、Servlet、JavaBean技术实现,其功能主要是用户身份验证和公告通知管理。整个系统采用MVC设计模式,模型层采用JavaBean实现,视图层使用JSP实现,控制层采用Servlet实现。本系统的应用将有助于企事业单位管理水平的提高。 相似文献
74.
戴仁杰 《电脑编程技巧与维护》2012,(10):24-25,43
医疗信息是病程记录、病例还原的重要载体,它记载了医疗行为的过程,便于查询和检索统计,保障医疗信息完整性、正确性和可用性显得至关重要,探讨了医疗信息的备份和恢复。 相似文献
75.
76.
少样本学习是目前机器学习研究领域的一个热点,它能在少量的标记样本中学习到较好的分类模型.但是,在噪声的不确定环境中,传统的少样本学习模型泛化能力弱.针对这一问题,提出一种鲁棒性的少样本学习方法RFSL(Robust Few-Shot Learning).首先,使用核密度估计(Kernel Density Estimation,KDE)和图像滤波(Image Filtering)方法在训练集中加入不同的随机噪声,形成多个不同噪声下的训练集,并分别生成支持集和查询集.其次,利用关系网络的关系模块通过训练集端到端地学习多个基分类器.最后,采用投票的方式对各基分类器的最末Sigmoid层非线性分类结果进行融合.实验结果表明,RFSL模型可促进小样本学习快速收敛,同时,与R-Net以及其他主流少样本学习方法相比,RFSL具有更高的分类准确率,更强的鲁棒性. 相似文献
77.
针对现有太阳能光伏阵列仿真实验中因采用环境温度代替光伏组件温度而导致的光伏阵列建模不正确问题,指出应在光伏电池仿真模型中区分环境温度和组件的实际工作温度;分析了光伏组件温度与环境温度和输出功率的关系,给出了一种基于BP神经网络的光伏阵列组件温度预测方法,并将预测结果与实测结果进行比较,得出结论:该方法可有效预测光伏阵列组件温度,且采用前一天数据和前三天数据都有较好的预测效果,因此实际应用时可采用前一天的数据来预测当天的组件温度。 相似文献
78.
79.
80.