全文获取类型
收费全文 | 763篇 |
免费 | 381篇 |
国内免费 | 547篇 |
专业分类
电工技术 | 74篇 |
综合类 | 43篇 |
化学工业 | 7篇 |
金属工艺 | 7篇 |
机械仪表 | 36篇 |
建筑科学 | 13篇 |
矿业工程 | 4篇 |
能源动力 | 12篇 |
轻工业 | 7篇 |
水利工程 | 4篇 |
石油天然气 | 3篇 |
无线电 | 229篇 |
一般工业技术 | 77篇 |
冶金工业 | 1篇 |
原子能技术 | 1篇 |
自动化技术 | 1173篇 |
出版年
2024年 | 62篇 |
2023年 | 158篇 |
2022年 | 285篇 |
2021年 | 338篇 |
2020年 | 314篇 |
2019年 | 209篇 |
2018年 | 99篇 |
2017年 | 60篇 |
2016年 | 37篇 |
2015年 | 3篇 |
2014年 | 6篇 |
2013年 | 5篇 |
2012年 | 4篇 |
2011年 | 10篇 |
2010年 | 8篇 |
2009年 | 11篇 |
2008年 | 12篇 |
2007年 | 9篇 |
2006年 | 9篇 |
2005年 | 17篇 |
2004年 | 5篇 |
2003年 | 8篇 |
2002年 | 1篇 |
2001年 | 3篇 |
1999年 | 1篇 |
1998年 | 6篇 |
1997年 | 5篇 |
1996年 | 1篇 |
1992年 | 1篇 |
1990年 | 1篇 |
1986年 | 3篇 |
排序方式: 共有1691条查询结果,搜索用时 15 毫秒
991.
针对开源软件代码质量参差不齐和存在安全隐患的问题,提出一种基于混合深度学习模型(DCnnGRU)的开源软件漏洞检测方法。以漏洞库中的关键点为切入点构建控制流图,从静态代码中提取出与关键点存在调用和传递关系的代码片段,将代码片段数字化为固定长度的特征向量,并作为DCnnGRU模型的输入。该模型用卷积神经网络(Convolutional Neural Network,CNN)作为与特征向量交互的接口,门控循环单元(Gated Recurrent Unit,GRU)嵌入到CNN中间,作为捕获代码调用关系的门控机制。首先进行卷积和池化处理,卷积核和池化窗口对特征向量进行降维。其次,GRU作为中间层嵌入到池化层和全连接层之间,能够保留代码数据之间的调用和传递关系。最后利用全连接层来完成归一化处理,将处理后的特征向量送入softmax分类器进行漏洞检测。实验结果验证了DCnnGRU模型比单独的CNN和RNN模型有更高的漏洞检测能力,准确率比RNN高出7%,比CNN高出3%。 相似文献
992.
作为深度学习算法之一的卷积神经网络在多个领域有着重要的应用.因为其网络模型的规模和结构比较复杂,数据量较大,故需要考虑降低其对计算资源的要求.一般地,对于大数据量的计算任务,需要使用数据并行的方法进行任务的划分计算,而仅使用数据并行而对计算的任务的特点不加以结合,其数据传输量较高.因此需要通过对CNN网络结构及其计算特性的分析,设计合理的计算任务划分策略,减少数据的传输量.本文首先介绍了深度学习加速器中对计算任务的优化处理,接着介绍BWDSP的众核深度学习加速器的体系架构,并设计计算划分策略,基于VGGNet-16网络模型进行实验对比分析.实验结果表明该优化算法可以显著的提高数据传输的性能,降低数据的传输量. 相似文献
993.
随着交通的发展,桥梁在运输过程中扮演着越来越重要的角色,桥梁也更加多样化。因此面对大量工况不同的桥梁,发展一种能便捷学习新工况的智能化裂缝检测技术显得尤为重要。为提高目标检测算法的准确率和效率,本文将裂缝原始图像切分成3种不同分辨率和尺寸的切片,训练网络识别不同尺寸的裂缝。同时为了增加算法的后续拓展性,设计一种根据训练集标注尺寸自适应调整锚框的手段,让算法在后续使用过程中针对不同工程情况需要增加训练数据时,能直接添加数据进行训练,自动调整最佳锚框尺寸,使该算法在实际使用中具有学习改进的空间。与原始YOLOv3网络和文献中的算法对比,本文算法的精确度平均达到91%以上且扩展性更好。 相似文献
994.
在基于事件的社会网络(EBSNs)的相关研究中,基于事件描述来预测社交事件参与度是难点问题。相关的研究非常有限,研究难度主要来自对事件描述评价的主观性和语言建模算法的局限性。针对这些问题,首先定义了成功事件、相似事件和事件相似度等概念,并基于这些概念将采集自Meetup平台的社交数据进行抽取,同时分别设计了基于拉索回归、卷积神经网络(CNN)和门控循环神经网络(GRNN)的分析预测方法。实验时,先从抽取过的数据中选取部分数据训练三种模型,然后用剩余的数据进行分析预测。结果显示,相较于不含事件描述的事件,经过拉索回归模型处理的事件在不同分类器下的预测准确率可提高2.35%~3.8%,经过GRNN模型处理的事件在不同分类器下的预测准确率可提高4.5%~8.9%,而CNN模型的处理结果不理想。证明了事件描述能够提高事件参与度,GRNN模型在三个模型中预测准确率最高。 相似文献
995.
Yih An Ding Filipe Mutz Klaus F. Côco Luiz A. Pinto Karin S. Komati 《Expert Systems》2020,37(6):e12584
Bone age estimation has been used in medicine to verify whether the bone structure development degree of a person corresponds to their chronological age. Such estimate is useful for prognosis about the development of children and adolescents, as well as for the diagnosis of endocrinological diseases. This work proposes a fully automated methodology for bone age estimation from carpal radiography images. The methodology comprises two steps, the preprocessing of the image and the classification using a convolutional neural network. The system accuracy for different types of preprocessing is evaluated. We compare the accuracy achieved using the full radiography image as input for the neural network and using only parts of the image corresponding to the Phalangeal region, the Epiphyseal region, and the concatenation of these parts with a crop around the wrist. Digital image processing techniques are employed to segment these regions. Experiments are performed using radiography images from the California University Database. The impact of using different pre-trained neural networks for transfer learning is evaluated. 相似文献
996.
In the era of the mass customisation, rapid and accurate estimation of the manufacturing cost of different parts can improve the competitiveness of a product. Owing to the ever-changing functions, complex structure, and unusual complex processing links of the parts, the regression-model cost estimation method has difficulty establishing a complex mapping relationship in manufacturing. As a newly emerging technology, deep-learning methods have the ability to learn complex mapping relationships and high-level data features from a large number of data automatically. In this paper, two-dimensional (2D) and three-dimensional (3D) convolutional neural network (CNN) training images and voxel data methods for a cost estimation of a manufacturing process are proposed. Furthermore, the effects of different voxel resolutions, fine-tuning methods, and data volumes of the training CNN are investigated. It was found that compared to 2D CNN, 3D CNN exhibits excellent performance regarding the regression problem of a cost estimation and achieves a high application value. 相似文献
997.
复杂环境下人脸表情识别由于人脸姿势、遮挡及光照等因素影响,相较于可控环境下的人脸表情识别具有更高的挑战性。针对复杂环境下人脸表情识别精度低以及现阶段用于表情识别的网络结构复杂造成的识别效率低等问题,提出了一种基于人脸分割的复杂环境下表情识别实时框架。该框架包括用于人脸区域分割的FsNet(Face segmentation Network)和用于表情识别的TcNet(Tiny classification Network)。FsNet旨在分割出对表情识别最相关的人脸区域以提升TcNet识别精度,其训练数据集基于已有数据集构建。两个网络的结构设计均趋于精简化以保证整体框架的实时性需求。在FER-2013和RAD-DB两个复杂场景人脸表情数据库上的实验表明,人脸区域分割的方式有利于提高复杂环境下人脸表情的识别率,且整体框架在保证实时性的同时达到了良好的识别效果。 相似文献
998.
针对传统脱机手写汉字识别的过程复杂、精度低,而常用卷积神经网络的特征信息提取不充分,同时存在相同特征信息的重叠和冗余问题。设计了一个特征分组提取融合的深度卷积神经网络模型。通过多级堆叠的特征分组提取模块,提取图像的深层抽象特征信息,并进行特征信息之间的交流融合。利用设计的下采样和通道扩增模块,在降低特征维度的同时保留图像重要信息。将特征信息进行精炼和浓缩,来解决特征信息的重叠和冗余问题。最终训练出的神经网络达到top1当前先进的正确率为97.16%,同时top5正确率为99.36%,并具有很好的泛化能力。 相似文献
999.
A large-scale project produces a lot of text data during construction commonly achieved as various management reports. Having the right information at the right time can help the project team understand the project status and manage the construction process more efficiently. However, text information is presented in unstructured or semi-structured formats. Extracting useful information from such a large text warehouse is a challenge. A manual process is costly and often times cannot deliver the right information to the right person at the right time. This research proposes an integrated intelligent approach based on natural language processing technology (NLP), which mainly involves three stages. First, a text classification model based on Convolution Neural Network (CNN) is developed to classify the construction on-site reports by analyzing and extracting report text features. At the second stage, the classified construction report texts are analyzed with improved frequency-inverse document frequency (TF-IDF) by mutual information to identify and mine construction knowledge. At the third stage, a relation network based on the co-occurrence matrix of the knowledge is presented for visualization and better understanding of the construction on-site information. Actual construction reports are used to verify the feasibility of this approach. The study provides a new approach for handling construction on-site text data which can lead to enhancing management efficiency and practical knowledge discovery for project management. 相似文献
1000.
Recently convolutional neural networks (CNNs) have been employed to address the problem of hand pose estimation. In this work, we introduce an end-to-end deep architecture that can accurately estimate hand pose through the joint use of model-based and fine-tuning methods. In the model-based stage, we make use of the prior information in hand model geometry to ensure the geometric validity of the estimated poses. Next, we introduce a fine-tuning approach that learns to refine the errors between the model and observed hand. Our approach is validated on three challenging public datasets and achieves state-of-the-art performance. 相似文献