全文获取类型
收费全文 | 12815篇 |
免费 | 906篇 |
国内免费 | 506篇 |
专业分类
电工技术 | 981篇 |
综合类 | 1020篇 |
化学工业 | 995篇 |
金属工艺 | 312篇 |
机械仪表 | 1046篇 |
建筑科学 | 1980篇 |
矿业工程 | 841篇 |
能源动力 | 974篇 |
轻工业 | 698篇 |
水利工程 | 1207篇 |
石油天然气 | 592篇 |
武器工业 | 75篇 |
无线电 | 746篇 |
一般工业技术 | 926篇 |
冶金工业 | 506篇 |
原子能技术 | 144篇 |
自动化技术 | 1184篇 |
出版年
2024年 | 200篇 |
2023年 | 591篇 |
2022年 | 635篇 |
2021年 | 658篇 |
2020年 | 489篇 |
2019年 | 365篇 |
2018年 | 167篇 |
2017年 | 251篇 |
2016年 | 342篇 |
2015年 | 404篇 |
2014年 | 684篇 |
2013年 | 609篇 |
2012年 | 668篇 |
2011年 | 709篇 |
2010年 | 636篇 |
2009年 | 679篇 |
2008年 | 949篇 |
2007年 | 698篇 |
2006年 | 573篇 |
2005年 | 568篇 |
2004年 | 458篇 |
2003年 | 382篇 |
2002年 | 329篇 |
2001年 | 286篇 |
2000年 | 257篇 |
1999年 | 227篇 |
1998年 | 221篇 |
1997年 | 174篇 |
1996年 | 177篇 |
1995年 | 176篇 |
1994年 | 167篇 |
1993年 | 113篇 |
1992年 | 90篇 |
1991年 | 95篇 |
1990年 | 89篇 |
1989年 | 60篇 |
1988年 | 11篇 |
1987年 | 10篇 |
1986年 | 6篇 |
1985年 | 5篇 |
1984年 | 3篇 |
1983年 | 5篇 |
1982年 | 3篇 |
1981年 | 3篇 |
1980年 | 4篇 |
1951年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 0 毫秒
21.
22.
在如今,也许大家每天醒来面对手机的第一件事,不是看微信、刷微博,而是查看余额宝的收益——当然另一个目的是看看钱还在吗。互联网金融在带来投资多样化的同时,也带给了大家更多安全的忧虑。“如果你的手机丢了,任何人仅凭借手机接收到的校验码就能找回你的支付宝密码,解除你的数字证书,盗空你的支付宝账户”,网上充斥着不少关于支付宝丢失后如何被攻陷的言论甚至是“攻略”。这无一不在向消费者暗示着一个信息:看好你的支付宝,先看好你的手机! 相似文献
23.
排烟热损失是发电厂锅炉各项损失中最大的一项。文章分析了影响电厂锅炉排烟温度高的主要因素,并根据这些因素针对#1炉排烟温度过高现象具体分析,并采取了相应措施,取得了较好效果。 相似文献
24.
在"NCD"系统中,利用Markov决策过程,获得了投保双方博弈行为的最优结果.对被保险人来说,确定了其最优临界损失值,对保险人来说,确定了最优保费与折扣值. 相似文献
25.
针对目标检测网络单阶改进目标检测器(RefineDet)对类间不平衡数据集中小样本类别检测性能差的问题,提出一种部分加权损失函数SWLoss。首先,以每个训练批量中不同类别样本数量的倒数作为启发式的类间样本平衡因子,对分类损失中的不同类别进行加权,从而提高对小样本类别学习的关注程度;然后引入多任务平衡因子对分类损失和回归损失进行加权,缩小两个任务学习速率的差异;最后,在目标类别样本数量存在大幅差异的Pascal VOC 2007数据集和点阵字符数据集上进行实验。结果表明,与原始RefineDet相比,基于SWLoss的RefineDet明显提高了小样本类别的检测精度,它在两个数据集上的平均精度均值(mAP)分别提高了1.01、9.86个百分点;与基于损失平衡函数和加权成对损失的RefineDet相比,基于SWLoss的RefineDet在两个数据集上的mAP分别提高了0.68、4.73和0.49、1.48个百分点。 相似文献
26.
由于监控中的行人检测存在背景复杂,目标尺度和姿态多样性及人与周围物体互相遮挡的问题,造成YOLOV3对部分目标检测不准确,会产生误检、漏检或重复检测的情况。因此,在YOLOV3的网络基础上,利用残差结构思想,将浅层特征和深层特征进行上采样连接融合得到104×104尺度检测层,并将K-means算法聚类得到的边界框尺寸应用到各尺度网络层,增加网络对多尺度、多姿态目标的敏感度,提高检测效果。同时,利用预测框对周围其他目标的斥力损失更新YOLOV3损失函数,使预测框向正确的目标靠近,远离错误的目标,降低模型的误检率,以改善目标间互相遮挡而影响的检测效果。实验结果证明,在MOT16数据集上,相比YOLOV3算法,提出的网络模型具有更好的检测效果,证明了方法的有效性。 相似文献
27.
28.
29.
基于量纲分析的内镶圆柱式毛管局部水头损失研究 总被引:3,自引:0,他引:3
为了研究内镶圆柱式毛管局部水头损失规律,本文对常见4种滴灌管进行了灌水试验,同时采用CFD数值分析对4种滴灌管进行了模拟与分析验证,在此基础上,对12种滴灌管进行了模拟研究,通过量纲分析研究了毛管局部水头损失影响因素。结果表明:毛管总水头损失模拟值与实测值吻合度较好;毛管局部水头损失与毛管内径、滴头内径、滴头长度、水流流速、水流运动黏滞系数有关;毛管局部水头损失占沿程水头损失的比值与滴头间距密切相关,以Φ16毛管为例,毛管局部水头损失是沿程水头损失的0.23~1.89倍,毛管层流段水头损失很小,在不需精确计算时可忽略不计。研究结果可为管网水力计算提供参考。 相似文献
30.