全文获取类型
收费全文 | 221篇 |
免费 | 18篇 |
国内免费 | 8篇 |
专业分类
电工技术 | 15篇 |
综合类 | 23篇 |
化学工业 | 26篇 |
金属工艺 | 5篇 |
机械仪表 | 8篇 |
建筑科学 | 44篇 |
矿业工程 | 2篇 |
能源动力 | 3篇 |
轻工业 | 24篇 |
水利工程 | 3篇 |
石油天然气 | 5篇 |
无线电 | 16篇 |
一般工业技术 | 8篇 |
冶金工业 | 19篇 |
自动化技术 | 46篇 |
出版年
2024年 | 2篇 |
2023年 | 4篇 |
2022年 | 9篇 |
2021年 | 5篇 |
2020年 | 8篇 |
2019年 | 10篇 |
2018年 | 10篇 |
2017年 | 3篇 |
2016年 | 6篇 |
2015年 | 7篇 |
2014年 | 8篇 |
2013年 | 15篇 |
2012年 | 19篇 |
2011年 | 22篇 |
2010年 | 7篇 |
2009年 | 5篇 |
2008年 | 23篇 |
2007年 | 12篇 |
2006年 | 13篇 |
2005年 | 6篇 |
2004年 | 11篇 |
2003年 | 9篇 |
2002年 | 9篇 |
2001年 | 3篇 |
2000年 | 5篇 |
1999年 | 1篇 |
1995年 | 1篇 |
1991年 | 1篇 |
1990年 | 4篇 |
1989年 | 2篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1986年 | 1篇 |
1985年 | 1篇 |
1984年 | 2篇 |
排序方式: 共有247条查询结果,搜索用时 15 毫秒
51.
52.
53.
应用协议识别在网络安全领域具有极其广泛的应用,而如何发现协议特征是协议识别的核心问题。为此,提出一种高效准确的协议特征自动发现方法。利用协议自身的格式特点,将消息进行token化,并根据token序列对消息进行分类。由分类数的变化曲线大致判别协议的首部长度,从而确定字频统计的范围。对数据流中每个数据包的消息首部进行字节频率统计,并将字节频率进行归一化处理,得到字节频率特征向量。通过计算待测协议与样本协议的余弦相似度对协议进行分类和识别。实验结果表明,用该方法所提取的特征进行识别,准确率超过93.5%。 相似文献
54.
针对信息网络(text-based information network)现有研究多基于网络自身信息建模,受限于任务语料规模,只使用任务相关文本进行建模容易产生语义漂移或语义残缺的问题,本文将外部语料引入建模过程中,利用外部语料得到的词向量对建模过程进行优化,提出基于外部词向量的网络表示模型NE-EWV(network embedding based on external word vectors),从语义特征空间以及结构特征空间两个角度学习特征融合的网络表示。通过实验,在现实网络数据集中对模型有效性进行了验证。实验结果表明,在链接预测任务中的AUC指标,相比只考虑结构特征的模型提升7%~19%,相比考虑结构与文本特征的模型在大部分情况下有1%~12%提升;在节点分类任务中,与基线方法中性能最好的CANE性能相当。证明引入外部词向量作为外部知识能够有效提升网络表示能力。 相似文献
55.
毕业设计是高校工科专业本科人才培养的一个重要环节。针对军队院校网络工程专业任职需求和毕业设计教学环节服务于岗位任职能力培养存在的不足,提出了两阶段本科毕业设计培养模式,并分析该模式的特点;通过两年实践,在该模式下培养的学生在综合实践能力、岗位任职能力上取得了显著的效果。该模式对高校工科专业本科毕业设计的教学实施具有良好的推广价值。 相似文献
56.
为了挖掘商店类别与地址之间的关系,基于神经协同过滤(NCF)框架提出商业选址神经协同过滤方法——NeuMF-RS. 采用嵌入方式分别得到商店类别和地址的表示,利用矩阵分解的思想学习商店类别与地址之间的线性关系;利用深度学习多层感知机学习商店类别与地址之间非线性、深层次的关系;结合这2种方法学习到的关系得到最终结果. 利用北京市的餐馆数据与POI数据来评价NeuMF-RS方法的性能,结果表明,NeuMF-RS相对于其他先进的深度学习方法和协同过滤方法在商业选址方面具有更好的性能,更能兼顾线性与非线性关系. 相似文献
57.
赛车喷油嘴座属单件生产,喷油嘴座采用的是铝合金材料,通常用铸造的方式进行加工成型。但对于单件的喷油嘴座的制造加工用铸造工艺成本很高,工作效率也比较低,用最高的工作效率和最低的成本来完成喷油嘴座的制造加工是研究喷油嘴座制造工艺的目的,通过采用方法研究和实施验证来对喷油嘴座的制造进行工作研究,研究结果表明用新的制造工艺制造完成的喷油嘴座均能通过赛车的各项性能测试,满足赛车的各项使用要求。 相似文献
58.
59.
60.