全文获取类型
收费全文 | 529182篇 |
免费 | 61169篇 |
国内免费 | 44206篇 |
专业分类
电工技术 | 47416篇 |
综合类 | 58204篇 |
化学工业 | 62748篇 |
金属工艺 | 37687篇 |
机械仪表 | 37736篇 |
建筑科学 | 40099篇 |
矿业工程 | 23261篇 |
能源动力 | 13813篇 |
轻工业 | 58262篇 |
水利工程 | 18238篇 |
石油天然气 | 18081篇 |
武器工业 | 8744篇 |
无线电 | 55505篇 |
一般工业技术 | 44877篇 |
冶金工业 | 22810篇 |
原子能技术 | 8656篇 |
自动化技术 | 78420篇 |
出版年
2024年 | 3313篇 |
2023年 | 8451篇 |
2022年 | 20458篇 |
2021年 | 26029篇 |
2020年 | 18946篇 |
2019年 | 13059篇 |
2018年 | 14022篇 |
2017年 | 16549篇 |
2016年 | 14781篇 |
2015年 | 23436篇 |
2014年 | 29710篇 |
2013年 | 34913篇 |
2012年 | 44106篇 |
2011年 | 46180篇 |
2010年 | 44204篇 |
2009年 | 42209篇 |
2008年 | 43732篇 |
2007年 | 42870篇 |
2006年 | 36354篇 |
2005年 | 29586篇 |
2004年 | 21455篇 |
2003年 | 13939篇 |
2002年 | 13007篇 |
2001年 | 11961篇 |
2000年 | 9409篇 |
1999年 | 3531篇 |
1998年 | 1512篇 |
1997年 | 1087篇 |
1996年 | 895篇 |
1995年 | 707篇 |
1994年 | 506篇 |
1993年 | 509篇 |
1992年 | 433篇 |
1991年 | 317篇 |
1990年 | 303篇 |
1989年 | 326篇 |
1988年 | 213篇 |
1987年 | 144篇 |
1986年 | 147篇 |
1985年 | 89篇 |
1984年 | 112篇 |
1983年 | 95篇 |
1982年 | 74篇 |
1981年 | 106篇 |
1980年 | 187篇 |
1979年 | 127篇 |
1978年 | 27篇 |
1977年 | 20篇 |
1959年 | 107篇 |
1951年 | 113篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
981.
982.
983.
984.
985.
介绍了远程登录中使用人脸进行身份验证的方法,讨论了系统结构和关键技术,给出了实验结果.此方法采用奇异值分解和判别式KL投影提取特征,利用类内平均距离作为验证依据,适用于人脸样本数量不是很大的情况.实验证明,该系统具有较好的应用效果。 相似文献
986.
987.
Q. L. Burrell 《Scientometrics》1991,21(2):181-194
It is pointed out that the so-called Bradford distribution derived by Leimkuhler is more properly viewed as the theoretical form of a variant of the Lorenz curve. The equation of this Leimkuhler curve allows an easy calculation of the Gini coefficient of concentration which can be compared with empirical values. 相似文献
988.
在社交网络中找到关键节点具有重要的意义,对于当前传统节点重要性方法没有考虑到对网络结构的破坏,不适用于社交网络等问题,提出了一种改进的,基于割点移除的社交网络重要节点评估方法APRRank.动态的利用Tarjan算法找到并移除社交网络最大联通分量的割点,将这些节点移除的顺序作为社交网络中关键节点排序结果.以4个真实社交网络作为仿真数据,与现有算法进行对比,进行鲁棒性测试.仿真结果表明,使用APRRank得到的重要节点在鲁棒性评价标准上具有更优的结果,可以更快的使整个网络失效,因此APRRank算法可以有效的得到社交网络中的重要节点. 相似文献
989.
短期负荷预测在电力系统运行和调度中起着重要作用,为了更好地提取数据中蕴含的有效信息,提升短期负荷预测精度,本文引入Seq2seq算法的注意力机制提出了多层Bi-LSTM的Seq2seq深度学习模型(BL-Seq2seq)实现短期用电负荷预测.其中Seq2seq的编码端由多层Bi-LSTM组成,将输入数据进行编码,并在网络末端输出编码后的最终状态;Seq2seq解码端为单层LSTM,它将编码端的最终状态作为初始输入状态,同时每一步的输出值作为下一步的输入值.利用用电负荷实测数据,基于Keras平台进行仿真,仿真结果表明,与多个经典的深度学习的短期用电负荷预测模型相比,所提BL-Seq2seq模型的预测误差明显降低,大大提升了短期用电负荷预测精度. 相似文献
990.