全文获取类型
收费全文 | 45篇 |
免费 | 0篇 |
国内免费 | 1篇 |
专业分类
电工技术 | 2篇 |
综合类 | 1篇 |
化学工业 | 2篇 |
金属工艺 | 6篇 |
机械仪表 | 7篇 |
建筑科学 | 1篇 |
能源动力 | 1篇 |
轻工业 | 4篇 |
无线电 | 2篇 |
一般工业技术 | 1篇 |
冶金工业 | 9篇 |
自动化技术 | 10篇 |
出版年
2023年 | 4篇 |
2022年 | 1篇 |
2021年 | 1篇 |
2019年 | 2篇 |
2016年 | 1篇 |
2015年 | 5篇 |
2014年 | 2篇 |
2012年 | 1篇 |
2011年 | 2篇 |
2010年 | 4篇 |
2009年 | 2篇 |
2008年 | 1篇 |
2006年 | 2篇 |
2005年 | 1篇 |
2004年 | 1篇 |
2002年 | 1篇 |
2000年 | 4篇 |
1999年 | 3篇 |
1996年 | 1篇 |
1994年 | 2篇 |
1993年 | 3篇 |
1988年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有46条查询结果,搜索用时 15 毫秒
21.
<正> 金坛内燃机配件厂位于江苏常州金坛,该厂一直生产柴油机配件,曾为市场提供不少喷油泵、喷油嘴、曲轴、气缸头、气缸套等。1991年开始生产J90涡轮增压器。在研制J90涡轮增压器时认真吸取了英美等国涡轮增压器的特点,叶轮气动设计和蜗壳气动设计 相似文献
22.
为确定影响Jug r 1线性表位致敏性的关键氨基酸,研究2 种免疫信息学方法预测Jug r 1线性表位关键氨基酸的准确率和效率,以进一步认识核桃主要过敏原Jug r 1的B细胞线性表位。本研究通过2 种免疫信息学的方法对Jug r 1中3 个线性表位上的关键氨基酸进行预测,采用丙氨酸扫描诱变法对关键氨基酸进行识别,采用固相合成技术合成Jug r 1系列突变多肽,以部分中国核桃过敏患者血清为探针,识别Jug r 1关键氨基酸。结果表明:表位1(4LVALLFVANAAA15)中的第4位亮氨酸、第7位亮氨酸、第8位亮氨酸和表位2(16FRTTITTMEIDEDID30)中的第20位异亮氨酸、第21位苏氨酸、第22位异亮氨酸以及表位3(125CGISSQRCEIRRSWF139)中的第127位异亮氨酸、第129位丝氨酸、第130位谷氨酰胺为关键氨基酸。使用两种免疫信息学结合预测的关键氨基酸准确率达到100%,但预测效率仅为11%。因此,使用2 种免疫信息学结合的方式预测表位关键氨基酸可提高准确性,但会忽略一些关键氨基酸。免疫信息学结合丙氨酸扫描诱变法是识别表位关键氨基酸的重要研究思路。 相似文献
23.
24.
广东省韶关钢铁集团有限公司焦化厂(以下简称“我厂”)为配合年产30万t焦的规模,将原有的年处理3000t粗苯间歇流程改为年处理4500t半连续流程.改造后的流程如图1示.改造后的流程只增加了一套初馏装置,并对粗制塔和精制塔作了相应的改造,形成先初馏后两苯的半连续工艺流程.其特点是充分利用原有的设备,只增加少量的投资,生产能力提高50%以上,产品质量稳定,操作简便,占地面积少等.1 工艺流程粗苯送初馏塔连续初馏,塔顶出来的初馏份经冷凝冷却和油水分离后,一部分送初馏塔作回流.塔底出来的无初馏份粗苯冷却后,经中间槽用泵送入两苯塔的14… 相似文献
25.
CAN总线的机器人传感器网络设计 总被引:2,自引:2,他引:0
研发了基于CAN总线的移动机器人传感器网络,有效地保证了移动机器人多传感器信息通讯的实时性和稳定性.详细阐述了该移动机器人的体系结构和传感器网络的组成,同时设计了一套CAN网络通讯协议,实现了传感器节点的多主通讯,在很大程度上改进和提高了移动机器人的性能. 相似文献
26.
27.
目的 探究浓香型白酒中关键风味物质在酒体香气交互表达中的影响程度。方法 基于香气活性值及香气表达强度筛选出18种关键风味物质配制基酒,另选取18种关键风味物质分别作为变量进行重组缺失实验,通过数据预处理及耦合计算进行综合评价,进而利用多元化学计量学结合现代风味感官组学筛选出在白酒中起重要作用的关键风味因子。结果 乙酸乙酯、丁醇、己酸乙酯等有很强的风味贡献度,风味物质的感官评价指数与浓度均呈正相关。不同微量成分之间通过系列复杂的协调作用实现相互平衡。结合风味感官组学实验发现,陈香、窖香之间具有协同效应,而青草香与醇香之间表现拮抗效应,其中果香、花香呈现卓越的香气贡献。结论 丁醇、己酸乙酯等物质可作为调整白酒风格品质的首选物质,为进一步改善白酒生产工艺,提升白酒功能品质提供一定基础。 相似文献
28.
29.
BERT在各种自然语言处理任务上取得了优异的效果,但是,其在跨语言任务上并没有取得很好的结果,尤其是在机器翻译任务上。文中提出BERT增强的神经机器翻译(BE-NMT)模型,该模型分为三部分来提升神经机器翻译(NMT)模型对BERT输出表征的利用。首先,针对BERT在NMT任务上微调所造成的知识遗忘,使用一种掩码矩阵(MASKING)策略来缓解这种情况;其次,使用注意力机制的方式将BERT的输出表征融入NMT模型中,同时更好地权衡了模型中的多个注意力机制;最后,融合BERT的多层隐藏层输出来补充其最后一层隐藏层输出缺失的语言信息。在多个翻译任务上进行实验,结果表明提出的模型明显优于基线模型,在联合国平行语料库英文→中文翻译任务上提高了1.93个BLEU值。此外,文中的模型在其他翻译任务上也取得了不错的提升。 相似文献
30.