全文获取类型
收费全文 | 15863篇 |
免费 | 3506篇 |
国内免费 | 2472篇 |
专业分类
电工技术 | 804篇 |
技术理论 | 1篇 |
综合类 | 1400篇 |
化学工业 | 736篇 |
金属工艺 | 727篇 |
机械仪表 | 711篇 |
建筑科学 | 4003篇 |
矿业工程 | 2065篇 |
能源动力 | 246篇 |
轻工业 | 374篇 |
水利工程 | 718篇 |
石油天然气 | 2308篇 |
武器工业 | 71篇 |
无线电 | 1335篇 |
一般工业技术 | 980篇 |
冶金工业 | 635篇 |
原子能技术 | 47篇 |
自动化技术 | 4680篇 |
出版年
2024年 | 459篇 |
2023年 | 1180篇 |
2022年 | 2051篇 |
2021年 | 1904篇 |
2020年 | 1631篇 |
2019年 | 1102篇 |
2018年 | 678篇 |
2017年 | 580篇 |
2016年 | 502篇 |
2015年 | 549篇 |
2014年 | 1030篇 |
2013年 | 618篇 |
2012年 | 1051篇 |
2011年 | 1025篇 |
2010年 | 860篇 |
2009年 | 792篇 |
2008年 | 650篇 |
2007年 | 812篇 |
2006年 | 792篇 |
2005年 | 679篇 |
2004年 | 484篇 |
2003年 | 464篇 |
2002年 | 370篇 |
2001年 | 304篇 |
2000年 | 315篇 |
1999年 | 224篇 |
1998年 | 160篇 |
1997年 | 125篇 |
1996年 | 113篇 |
1995年 | 67篇 |
1994年 | 71篇 |
1993年 | 40篇 |
1992年 | 27篇 |
1991年 | 19篇 |
1990年 | 25篇 |
1989年 | 23篇 |
1988年 | 9篇 |
1987年 | 8篇 |
1986年 | 11篇 |
1985年 | 6篇 |
1984年 | 5篇 |
1983年 | 2篇 |
1981年 | 1篇 |
1980年 | 6篇 |
1979年 | 6篇 |
1978年 | 2篇 |
1975年 | 2篇 |
1974年 | 1篇 |
1959年 | 3篇 |
1951年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 10 毫秒
191.
近年来,深度学习技术的不断发展为图像修复研究提供了新的思路,通过对海量图像数据的学习,使得图像修复方法能够理解图像的语义信息.虽然现有的图像修复方法已能够生成较好的图像修复结果,但遇到结构缺失较为复杂的图像时,对缺失部分细节处理能力较差,所生成的结果会过度平滑或模糊,不能很好地修复图像缺失的复杂结构信息.针对此问题,基... 相似文献
192.
193.
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
194.
深度学习模型在图像分类领域的能力已经超越了人类,但不幸的是,研究发现深度学习模型在对抗样本面前非常脆弱,这给它在安全敏感的系统中的应用带来了巨大挑战。图像分类领域对抗样本的研究工作被梳理和总结,以期为进一步地研究该领域建立基本的知识体系,介绍了对抗样本的形式化定义和相关术语,介绍了对抗样本的攻击和防御方法,特别是新兴的可验证鲁棒性的防御,并且讨论了对抗样本存在可能的原因。为了强调在现实世界中对抗攻击的可能性,回顾了相关的工作。在梳理和总结文献的基础上,分析了对抗样本的总体发展趋势和存在的挑战以及未来的研究展望。 相似文献
195.
196.
针对视觉同时定位与地图构建(SLAM)技术在动态环境中存在定位精度低、地图虚影等问题,提出了一种基于深度学习的动态SLAM算法。该算法利用网络参数少且目标识别率高的YOLOv8n改善系统的视觉前端,为视觉前端增加语义信息,提取动态区域特征点。然后采用LK光流法识别动态区域的动态特征点,剔除动态特征点并保留动态区域内的静态特征点,提高特征点利用率。此外,该算法通过增加地图构建线程,剔除YOLOv8n提取的动态物体点云,接收前端提取的语义信息,实现静态语义地图构建,消除由动态物体产生的虚影。实验结果显示,在动态环境下该算法与ORB-SLAM3相比,定位精度提升92.71%,与其他动态视觉SLAM算法相比,也有小幅度改善。 相似文献
197.
198.
199.
Youngjae Ryu Yoonju Kim Hye Ryeong Lim Hyung-Joon Kim Byong Seo Park Jae Geun Kim Sang-Joon Park Chang Man Ha 《International journal of molecular sciences》2022,23(12)
Recent advances in optical clearing techniques have dramatically improved deep tissue imaging by reducing the obscuring effects of light scattering and absorption. However, these optical clearing methods require specialized equipment or a lengthy undertaking with complex protocols that can lead to sample volume changes and distortion. In addition, the imaging of cleared tissues has limitations, such as fluorescence bleaching, harmful and foul-smelling solutions, and the difficulty of handling samples in high-viscosity refractive index (RI) matching solutions. To address the various limitations of thick tissue imaging, we developed an Aqueous high refractive Index matching and tissue Clearing solution for Imaging (termed AICI) with a one-step tissue clearing protocol that was easily made at a reasonable price in our own laboratory without any equipment. AICI can rapidly clear a 1 mm thick brain slice within 90 min with simultaneous RI matching, low viscosity, and a high refractive index (RI = 1.466), allowing the imaging of the sample without additional processing. We compared AICI with commercially available RI matching solutions, including optical clear agents (OCAs), for tissue clearing. The viscosity of AICI is closer to that of water compared with other RI matching solutions, and there was a less than 2.3% expansion in the tissue linear morphology during 24 h exposure to AICI. Moreover, AICI remained fluid over 30 days of air exposure, and the EGFP fluorescence signal was only reduced to ~65% after 10 days. AICI showed a limited clearing of brain tissue >3 mm thick. However, fine neuronal structures, such as dendritic spines and axonal boutons, could still be imaged in thick brain slices treated with AICI. Therefore, AICI is useful not only for the three-dimensional (3D) high-resolution identification of neuronal structures, but also for the examination of multiple structural imaging by neuronal distribution, projection, and gene expression in deep brain tissue. AICI is applicable beyond the imaging of fluorescent antibodies and dyes, and can clear a variety of tissue types, making it broadly useful to researchers for optical imaging applications. 相似文献
200.
矿物浮选过程中泡沫的表面特征是浮选性能的重要指标,它可以实时、直观地反映浮选效果的变化,准确分割泡沫的边缘信息是浮选过程中一项重要的任务。近年来,研究人员提出了各种浮选泡沫图像分割算法,但浮选泡沫图像中存在泡沫数量多、泡沫间粘连严重以及边缘不清晰等问题,现存的方法由于其特征提取能力有限,无法精确的分割泡沫边缘。据此,本文利用深度学习提出了一种基于多尺度融合的浮选泡沫图像边缘分割算法,该算法通过引入一种深度高分辨率的编码结构以及一种基于注意力的分层融合方法来增强模型的特征提取能力,从而提高对于浮选泡沫边缘的分割效果。具体而言,深度高分辨率的编码结构可以在不同分辨率层级上同时维护特征信息,使我们的网络模型可以有效地捕捉不同尺度的信息,在提高图像语义理解能力的同时能够保持更多的细节信息,提高处理高分辨率以及密集任务图像的能力。除此之外,本文设计了一种基于注意力的分层融合方法来充分融合深层和浅层的特征图,使融合得到的特征图趋向于更重要的特征信息,从而提高识别浮选泡沫的边界和精确定位浮选泡沫的能力。该算法在泡沫边界分割数据集上凭借58.25的泡沫IoU以及73.62的泡沫Fscore取得了最佳的性能,证明了我们提出的算法可以更加准确地分割浮选泡沫边缘。 相似文献