全文获取类型
| 收费全文 | 50532篇 |
| 免费 | 5649篇 |
| 国内免费 | 3027篇 |
专业分类
| 电工技术 | 3908篇 |
| 技术理论 | 1篇 |
| 综合类 | 4626篇 |
| 化学工业 | 2480篇 |
| 金属工艺 | 6172篇 |
| 机械仪表 | 8870篇 |
| 建筑科学 | 2187篇 |
| 矿业工程 | 2109篇 |
| 能源动力 | 984篇 |
| 轻工业 | 3266篇 |
| 水利工程 | 441篇 |
| 石油天然气 | 967篇 |
| 武器工业 | 436篇 |
| 无线电 | 2947篇 |
| 一般工业技术 | 7006篇 |
| 冶金工业 | 2180篇 |
| 原子能技术 | 193篇 |
| 自动化技术 | 10435篇 |
出版年
| 2025年 | 17篇 |
| 2024年 | 1127篇 |
| 2023年 | 1282篇 |
| 2022年 | 1677篇 |
| 2021年 | 1846篇 |
| 2020年 | 2005篇 |
| 2019年 | 1609篇 |
| 2018年 | 1359篇 |
| 2017年 | 1658篇 |
| 2016年 | 1918篇 |
| 2015年 | 2100篇 |
| 2014年 | 3099篇 |
| 2013年 | 2650篇 |
| 2012年 | 3603篇 |
| 2011年 | 3638篇 |
| 2010年 | 2644篇 |
| 2009年 | 2711篇 |
| 2008年 | 2449篇 |
| 2007年 | 3156篇 |
| 2006年 | 2985篇 |
| 2005年 | 2568篇 |
| 2004年 | 2084篇 |
| 2003年 | 1789篇 |
| 2002年 | 1515篇 |
| 2001年 | 1346篇 |
| 2000年 | 1149篇 |
| 1999年 | 926篇 |
| 1998年 | 704篇 |
| 1997年 | 649篇 |
| 1996年 | 557篇 |
| 1995年 | 461篇 |
| 1994年 | 391篇 |
| 1993年 | 304篇 |
| 1992年 | 232篇 |
| 1991年 | 178篇 |
| 1990年 | 174篇 |
| 1989年 | 155篇 |
| 1988年 | 132篇 |
| 1987年 | 53篇 |
| 1986年 | 48篇 |
| 1985年 | 45篇 |
| 1984年 | 45篇 |
| 1983年 | 50篇 |
| 1982年 | 47篇 |
| 1981年 | 9篇 |
| 1980年 | 12篇 |
| 1979年 | 7篇 |
| 1978年 | 5篇 |
| 1958年 | 4篇 |
| 1957年 | 4篇 |
排序方式： 共有10000条查询结果，搜索用时 0 毫秒
961.
针对缓冲装置两侧不对称对自动机特性的影响,对其进行分析。运用键合空间理论建立自动机的键合空间拓扑结构图,分析缓冲装置弹簧初力、弹簧刚度、后坐阻尼和复进阻尼的不对称对自动机的后坐动态特性和立靶密集度的影响。计算分析结果表明：该分析得出了各因素对自动机最大后坐位移、最大后坐力和立靶密集度的影响规律。 相似文献
962.
为提升成弹装配生产效率,设计一种新型转塔式高效加药机。通过增加中间物流传输链,将传统计量板加药机构与转塔式加药机构有机结合,通过装药效率评估。结果表明：该加药机既能保证加药精度,又能有效提高加药效率,仅采用4 孔计量板结构就将生产效率提高90%,具有广阔的推广前景。 相似文献
963.
964.
965.
966.
967.
神经信息处理系统大会（Conference on Neural Information Processing Systems,NeurIPS）是机器学习领域的顶级会议,在中国计算机学会（China Computer Federation,CCF）推荐国际学术会议中被评为人工智能领域的A类会议,一直广受关注。NeurIPS 2020收到了创纪录的9 467篇投稿,最终录用1 898篇论文。收录的论文涵盖了人工智能的各种主题,包括深度学习及其应用、强化学习与规划、纯理论研究、概率方法、优化及机器学习与社会等。本文回顾了NeurIPS 2020的亮点及论文录用情况,详细解读了特邀报告、最佳论文、口头报告及部分海报论文,希望能帮助读者快速了解NeurIPS 2020的盛况。 相似文献
968.
969.
970.
Mengwei Xu Yuanqiang Liu Kang Huang Xuanzhe Liu Gang Huang 《International Journal of Software and Informatics》2021,11(2):149-168
How to efficiently deploy machine learning models on mobile devices has drawn a lot of attention in both academia and industries, among which the model training is a critical part. However, with increasingly public attention on data privacy and the recently adopted laws and regulations, it becomes harder for developers to collect training data from users and thus they cannot train high-quality models. Researchers have been exploring approaches to training neural networks on decentralized data. Those efforts will be summarized and their limitations be pointed out. To this end, this work presents a novel neural network training paradigm on mobile devices, which distributes all training computations associated with private data on local devices and requires no data to be uploaded in any form. Such training paradigm is named autonomous learning. To deal with two main challenges of autonomous learning, i.e., limited data volume and insufficient computing power available on mobile devices, this paper designs and implements the first autonomous learning system AutLearn. It incorporates the cloud (public data and pre-training)--client (private data and transfer learning) cooperation methodology and data augmentation techniques to ensure the model convergence on mobile devices. Furthermore, by optimization techniques such as model compression, neural network compiler, and runtime cache reuse, AutLearn can significantly reduce the on-client training cost. Two classical scenarios of autonomous learning are implemented based on AutLearn,with a set of experiments carried out. The results show that AutLearn can train the neural networks with comparable or even higher accuracy compared to traditional centralized/federated training mode with privacy preserved. AutLearn can also remarkably cut the computational and energy cost of neural network training on mobile devices. 相似文献