全文获取类型
收费全文 | 3443篇 |
免费 | 630篇 |
国内免费 | 426篇 |
专业分类
电工技术 | 315篇 |
综合类 | 433篇 |
化学工业 | 83篇 |
金属工艺 | 79篇 |
机械仪表 | 321篇 |
建筑科学 | 203篇 |
矿业工程 | 48篇 |
能源动力 | 56篇 |
轻工业 | 163篇 |
水利工程 | 84篇 |
石油天然气 | 68篇 |
武器工业 | 79篇 |
无线电 | 530篇 |
一般工业技术 | 251篇 |
冶金工业 | 39篇 |
原子能技术 | 13篇 |
自动化技术 | 1734篇 |
出版年
2024年 | 129篇 |
2023年 | 334篇 |
2022年 | 358篇 |
2021年 | 328篇 |
2020年 | 212篇 |
2019年 | 210篇 |
2018年 | 94篇 |
2017年 | 136篇 |
2016年 | 107篇 |
2015年 | 161篇 |
2014年 | 246篇 |
2013年 | 183篇 |
2012年 | 220篇 |
2011年 | 189篇 |
2010年 | 199篇 |
2009年 | 195篇 |
2008年 | 271篇 |
2007年 | 222篇 |
2006年 | 113篇 |
2005年 | 108篇 |
2004年 | 81篇 |
2003年 | 57篇 |
2002年 | 47篇 |
2001年 | 39篇 |
2000年 | 37篇 |
1999年 | 29篇 |
1998年 | 25篇 |
1997年 | 39篇 |
1996年 | 28篇 |
1995年 | 11篇 |
1994年 | 17篇 |
1993年 | 19篇 |
1992年 | 15篇 |
1991年 | 10篇 |
1990年 | 8篇 |
1989年 | 12篇 |
1988年 | 7篇 |
1986年 | 1篇 |
1985年 | 2篇 |
排序方式: 共有4499条查询结果,搜索用时 890 毫秒
101.
102.
提出一种新的检测器生成方法。由于非我样本中存在着关于非我空间的信息,提出通过统计非我样本中各属性的分布情况来构建基因库,并应用基因库来生成检测器的方法来检测入侵。应用KDDCup1999数据集,通过实验证明该方法能够生成检测率更高的检测器集。 相似文献
103.
104.
105.
106.
107.
随着配电网线路安全运行要求的提高,分布式电源注入的谐波会使得现有的选线方法失效,且单一判据的故障选线方法愈加难以胜任复杂配电网系统发生单相接地故障后的选线工作。因此文中提出了计及分布式电源注入谐波的谐振接地系统单相接地故障联合选线。针对谐振接地系统中出现单相接地故障后,故障线路与健全线路的暂态零序电流相位、周期变化不同的特点,先根据低频周期差异用多尺度交叉样本熵计算暂态零序电流,再根据高频相位差异用加权暂态能量法及同步挤压小波变换计算高频暂态零序电流的重构误差。此外,使用加权暂态能量法控制计算量并通过多尺度交叉样本熵、加权暂态能量和重构误差3个判据判定故障线路。实验结果显示,文中的联合选线法受不同故障条件的影响小,准确性高,抗干扰性强。 相似文献
108.
当前,基于迁移性的黑盒攻击通常使用较高的扰动系数生成具有较强可迁移性的对抗样本,导致对抗扰动较易被防御者察觉,因此提出了一种基于噪声融合的黑盒攻击优化方法来提高对抗样本的隐蔽性。该方法从常用的图像噪声中筛选出了最适用于优化对抗样本迁移性的噪声,并降低了对抗样本的黑盒攻击能力与扰动系数的耦合程度,即在不修改扰动系数的情况下增强了对抗样本的可迁移性。在Image Net数据集中的实验结果表明,通过噪声增强后的对抗攻击在黑盒攻击强度上有显著提升。此外,通过实验从高斯噪声、高斯白噪声、泊松噪声、椒盐噪声、乘性噪声和单形噪声中筛选出了最佳噪声,其能根据相同的扰动系数将待优化攻击算法的黑盒成功率平均提升12.64%。 相似文献
109.
为提高新型电力系统信息网络的安全性和稳定性,需预防其中存在的攻击行为。为此,提出一种针对新型电力系统信息网络的攻击行为辨识方法。首先,分析攻击行为入侵信息网络的原理;其次,根据压缩感知理论对网络信息展开去噪处理;然后,利用去噪后的信息数据建立数据源矩阵及信息网络的样本协方差矩阵,并获取矩阵的最大特征值;最后,设定阈值函数,通过比较最大特征值与阈值函数来辨识新型电力系统信息网络中存在的攻击行为。实验结果表明该方法具有较高的辨识精度,能有效辨识出拒绝服务、端口扫描和协议异常三种攻击行为。 相似文献
110.
使用深度学习算法建立代理模型可实现电工装备性能的快速预测与分析,但其训练过程需大量样本。而现代电工装备的标签样本稀缺,导致模型预测精度低,制约了算法的工程应用。考虑到历史任务中积累的标签样本充足,且此类样本与目标任务的样本间存在相关的知识信息,建立了一种深度迁移学习性能预测方法,将历史电机样本中积累的性能预测知识迁移应用于目标电机性能分析中。首先使用目标域无标签样本对深度置信网络(DBN)进行逐层无监督训练,然后借助源域有标签样本建立参数共享的预训练网络,最后通过少量目标域有标签样本进行适配层训练和全网络微调的方法实现模型迁移。通过结构差异程度不同的Prius电机进行案例验证,结果表明,所提方法能够在满足一定预测精度的情况下,使用较少的标签样本完成目标电机的性能预测任务,为现代电工装备的性能分析与优化提供了新的思路和实践方法。 相似文献