全文获取类型
收费全文 | 530篇 |
免费 | 47篇 |
国内免费 | 17篇 |
专业分类
电工技术 | 141篇 |
综合类 | 53篇 |
化学工业 | 31篇 |
金属工艺 | 14篇 |
机械仪表 | 40篇 |
建筑科学 | 21篇 |
矿业工程 | 9篇 |
能源动力 | 38篇 |
轻工业 | 66篇 |
水利工程 | 20篇 |
石油天然气 | 14篇 |
武器工业 | 4篇 |
无线电 | 68篇 |
一般工业技术 | 33篇 |
冶金工业 | 5篇 |
原子能技术 | 3篇 |
自动化技术 | 34篇 |
出版年
2024年 | 10篇 |
2023年 | 20篇 |
2022年 | 22篇 |
2021年 | 28篇 |
2020年 | 17篇 |
2019年 | 26篇 |
2018年 | 24篇 |
2017年 | 12篇 |
2016年 | 18篇 |
2015年 | 19篇 |
2014年 | 32篇 |
2013年 | 28篇 |
2012年 | 24篇 |
2011年 | 25篇 |
2010年 | 13篇 |
2009年 | 26篇 |
2008年 | 12篇 |
2007年 | 18篇 |
2006年 | 27篇 |
2005年 | 30篇 |
2004年 | 29篇 |
2003年 | 17篇 |
2002年 | 19篇 |
2001年 | 11篇 |
2000年 | 13篇 |
1999年 | 8篇 |
1998年 | 8篇 |
1997年 | 8篇 |
1996年 | 6篇 |
1995年 | 8篇 |
1994年 | 8篇 |
1993年 | 7篇 |
1992年 | 2篇 |
1991年 | 5篇 |
1990年 | 2篇 |
1989年 | 4篇 |
1988年 | 3篇 |
1986年 | 1篇 |
1985年 | 1篇 |
1979年 | 3篇 |
排序方式: 共有594条查询结果,搜索用时 15 毫秒
41.
42.
43.
44.
45.
46.
47.
为确保行、蓄洪区运用时人民生命的安全,财产少受损失,行、蓄洪区内建了一些庄台。但是庄台分布比较分散,进洪后,就形成了一个个孤立的小岛。住在这些孤岛上,看病出不来,死人无处理,烧饭没有柴,粮食无钱买。分散的庄台在运用过程中表现出不少问题: 1、居住。由于庄台面积有限,而人口增加过快,使庄台拥挤不堪,人均占有庄台面积大多为10余平方米,除去必要的公共面积,人均住房面积极为有限。进洪后、牛、猪、鸡、鸭等牲畜被赶上庄台,使庄台更加拥挤。另外,牲畜粪便也造成严重的坏境污染。 相似文献
48.
为研究经编长效蚊帐在使用过程中的顶破性能,采用不同组织与材料编织经编网眼织物,对这些织物进行顶破性能测试分析。对比各试样顶破强力与顶破伸长的差异,观察织物破裂时结构的瞬间变化情况,以及研究在试验中织物受力与形变的关系,并建立了一套经编织物顶破性能的观察系统。结果表明:涤纶和聚乙烯经编网眼织物的力学性能有明显不同;相同材料的网眼织物,纱线线密度越大、织物克质量越大,抗顶破性能越好;六角网眼结构比四角网眼结构抗顶破性能好,但四角网眼结构能在织物破裂后更好地阻碍织物的脱散。 相似文献
49.
针对全切片数字病理图像中的肾透明细胞癌进行精准的细胞核分级并改善肾癌的治疗和预后,提出了一种基于多尺度通道信息拼接与融合残差网络的ccRCC病理图像国际泌尿病理学会核分级方法。通过多尺度通道信息拼接将不同阶段的语义信息进行融合,从而在不损失深度信息的同时提取更多的浅层特征,实现更准确的分类效果。实验收集了90例病人的肾组织病理切片,对WSI图像进行裁切和增强后,按照4∶1的比例分成训练集和测试集。在训练集上对CSFNet卷积神经网络模型参数进行迭代优化,并在测试集上验证模型性能。实验结果表明,提出的CSFNet模型鉴别ISUPⅠ级、ISUPⅡ级、ISUPⅢ级和正常病理图像的宏平均AUC与微平均AUC分别为0.975 8和0.979 4,准确率为88.00%,精确率为88.36%,召回率为86.67%,F1分数为87.32%,且优于其他主流的分类网络模型,因此,本文所提出的肾透明细胞癌病理图像ISUP细胞核分级模型有良好的诊断效能,具有潜在的临床应用价值。 相似文献
50.
针对目前常见的计算机辅助检测系统对结肠镜图像中息肉的分类与检测准确性和实时性不足的问题,提出了一种以YOLOv4为基本框架,结合空间注意力机制与改进特征融合层的YOLOF CBAM模型,可对白光和窄带成像双模态内镜图像中的增生性息肉与腺瘤性息肉进行实时分类与检测。为了使息肉的特征提取更准确,在YOLOv4的主干网中增加CBAM模块,使网络特征提取层关注到更加重要的空间以及通道信息,抑制不必要特征向下传递;在此基础上,通过对特征融合层PANet进行剪枝操作优化网络结构,以此减少网络参数量,进一步提高模型的检测速度。为了对改进后的模型进行训练和测试,从河北大学附属医院收集了2 988张包含了白光和NBI的内镜图像,并按照9∶1的划分比例划分为训练集和测试集。实验结果表明,YOLOF CBAM在测试集上的mAP值为8644%,识别增生性息肉和腺瘤性息肉的召回率分别为8962%和8564%,精确率分别为9135%和8519%,且实时分类速度达到47 FPS,证明所提出的模型具有潜在的临床应用价值。 相似文献