全文获取类型
收费全文 | 380298篇 |
免费 | 44558篇 |
国内免费 | 31821篇 |
专业分类
电工技术 | 34404篇 |
技术理论 | 1篇 |
综合类 | 41865篇 |
化学工业 | 46144篇 |
金属工艺 | 26873篇 |
机械仪表 | 26560篇 |
建筑科学 | 28712篇 |
矿业工程 | 16854篇 |
能源动力 | 9826篇 |
轻工业 | 44042篇 |
水利工程 | 12845篇 |
石油天然气 | 13556篇 |
武器工业 | 5744篇 |
无线电 | 39417篇 |
一般工业技术 | 30804篇 |
冶金工业 | 16562篇 |
原子能技术 | 6510篇 |
自动化技术 | 55958篇 |
出版年
2024年 | 2549篇 |
2023年 | 6825篇 |
2022年 | 15659篇 |
2021年 | 20033篇 |
2020年 | 14105篇 |
2019年 | 9866篇 |
2018年 | 10479篇 |
2017年 | 12437篇 |
2016年 | 10840篇 |
2015年 | 17236篇 |
2014年 | 21661篇 |
2013年 | 25441篇 |
2012年 | 31675篇 |
2011年 | 33210篇 |
2010年 | 31143篇 |
2009年 | 29592篇 |
2008年 | 30901篇 |
2007年 | 29902篇 |
2006年 | 25727篇 |
2005年 | 21162篇 |
2004年 | 15041篇 |
2003年 | 9967篇 |
2002年 | 9248篇 |
2001年 | 8259篇 |
2000年 | 6526篇 |
1999年 | 2552篇 |
1998年 | 813篇 |
1997年 | 613篇 |
1996年 | 535篇 |
1995年 | 382篇 |
1994年 | 314篇 |
1993年 | 284篇 |
1992年 | 252篇 |
1991年 | 193篇 |
1990年 | 188篇 |
1989年 | 174篇 |
1988年 | 105篇 |
1987年 | 85篇 |
1986年 | 74篇 |
1985年 | 45篇 |
1984年 | 38篇 |
1983年 | 46篇 |
1982年 | 50篇 |
1981年 | 69篇 |
1980年 | 110篇 |
1979年 | 72篇 |
1970年 | 7篇 |
1965年 | 8篇 |
1959年 | 74篇 |
1951年 | 77篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
911.
研究了一种改进的分布式consensus及其在小世界网络中的应用。通过将RH问题降到一维且使用惩罚函数F(x,x(i))来达到consensus。只要改变很少的几个连接(即改变p的大小),就可剧烈的改变网络的性能,从而加速改变收敛速度。通过代数连通度2λ(G)增大可提高一致收敛的速度。仿真结果表明该方法不但减少了主体之间的通信量,而且加快了一致性收敛的速度。 相似文献
912.
913.
混凝土结构诊断技术是现代建筑工业中的一个重要课题。基于人工神经网络的智能诊断,其融合了计算机技术与神经网络技术,并结合了工程设备的特征,它具有非线性、快速、精确等优点,更接近工程实际;同时,具有美好的发展前景。 相似文献
914.
915.
916.
917.
918.
螺旋溜槽在铁、锡、钛、钽铌等金属及硫、煤等非金属矿的选矿生产中获大量应用,但目前螺旋溜槽的精矿截取调节控制还是依赖于人工,急需开发一种精矿的自适应截取技术代替人工截取以提高螺旋溜槽的生产效率。而实现这一目标的首要任务就是需要解决依赖人工肉眼获取精矿带位置信息的问题,因此提出了一个改进的UNet网络模型Res50-UNet-FD。算法模型使用UNet模型为基础,将残差网络ResNet50代替UNet网络中编码部分的特征提取网络,解决了深层特征提取过程中特征梯度消失以及网络消失的问题,有效提升了螺旋溜槽精矿带特征信息提取的精度。同时,为了改进和优化螺旋溜槽精矿带图像样本数据难易不平衡的问题,利用Focal Loss和Dice Loss的混合损失函数代替原本的CELoss损失函数。经对比,本文算法优于VGG-UNet、Res34-UNet、DC-UNet网络模型,算法模型的mIOU、mPA、F1分数和精确度分别为0.963 2、0.986 9、0.987 0、0.990 7。在性能指标上,本文算法无论是mIOU、mPA还是F1分数,整体性能都比VGG-UNet、Res34-UNet、DC-U... 相似文献
919.
矿物浮选过程中泡沫的表面特征是浮选性能的重要指标,它可以实时、直观地反映浮选效果的变化,准确分割泡沫的边缘信息是浮选过程中一项重要的任务。近年来,研究人员提出了各种浮选泡沫图像分割算法,但浮选泡沫图像中存在泡沫数量多、泡沫间粘连严重以及边缘不清晰等问题,现存的方法由于其特征提取能力有限,无法精确的分割泡沫边缘。据此,本文利用深度学习提出了一种基于多尺度融合的浮选泡沫图像边缘分割算法,该算法通过引入一种深度高分辨率的编码结构以及一种基于注意力的分层融合方法来增强模型的特征提取能力,从而提高对于浮选泡沫边缘的分割效果。具体而言,深度高分辨率的编码结构可以在不同分辨率层级上同时维护特征信息,使我们的网络模型可以有效地捕捉不同尺度的信息,在提高图像语义理解能力的同时能够保持更多的细节信息,提高处理高分辨率以及密集任务图像的能力。除此之外,本文设计了一种基于注意力的分层融合方法来充分融合深层和浅层的特征图,使融合得到的特征图趋向于更重要的特征信息,从而提高识别浮选泡沫的边界和精确定位浮选泡沫的能力。该算法在泡沫边界分割数据集上凭借58.25的泡沫IoU以及73.62的泡沫Fscore取得了最佳的性能,证明了我们提出的算法可以更加准确地分割浮选泡沫边缘。 相似文献
920.