首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   927篇
  免费   361篇
  国内免费   265篇
电工技术   93篇
综合类   113篇
化学工业   29篇
金属工艺   13篇
机械仪表   38篇
建筑科学   43篇
矿业工程   11篇
能源动力   18篇
轻工业   5篇
水利工程   7篇
石油天然气   17篇
武器工业   6篇
无线电   163篇
一般工业技术   64篇
冶金工业   17篇
自动化技术   916篇
  2024年   67篇
  2023年   175篇
  2022年   325篇
  2021年   274篇
  2020年   187篇
  2019年   85篇
  2018年   34篇
  2017年   8篇
  2016年   6篇
  2015年   4篇
  2014年   22篇
  2013年   17篇
  2012年   27篇
  2011年   32篇
  2010年   20篇
  2009年   33篇
  2008年   28篇
  2007年   16篇
  2006年   20篇
  2005年   21篇
  2004年   18篇
  2003年   17篇
  2002年   11篇
  2001年   12篇
  2000年   13篇
  1999年   9篇
  1998年   10篇
  1997年   11篇
  1996年   3篇
  1995年   4篇
  1994年   6篇
  1993年   7篇
  1992年   4篇
  1991年   4篇
  1990年   6篇
  1989年   7篇
  1988年   2篇
  1987年   3篇
  1986年   5篇
排序方式: 共有1553条查询结果,搜索用时 10 毫秒
1.
对职业教育的大众性问题进行了论述、实证分析和理论、政策、改革等思考。  相似文献   
2.
程序设计是计算机专业课程中的重要内容之一。在程序设计课程教学中,如何解决程序设计本身枯燥、难懂这个问题,找到一条比较新颖的教学方式,一直是广大计算机教师颇感兴趣的课题。结合几年来VB程序设计的实际经验,并进行深刻的反思,总结出一个四步教学法。  相似文献   
3.
针对人脸图像复原任务中对图像尺度信息利用不足和眼镜结构复原错误的问题,提出一种基于双阶段多尺度生成对 抗网络复原模型。该模型第1阶段引入改进损失的U-Net 粗重构网络,利用跳连接减少原始图像信息的丢失,融合3种不同 的损失函数提高生成器的重构能力,采用双判别器考虑全局信息和局部信息,并提出一种混合域注意力机制用于关注图像的 空间和通道信息。第2阶段的精修复网络构建了全新的特征增强模块,增强网络对细节信息的提取能力和对结构的表达能 力,引入相对判别器,用于关注生成样本与真实样本之间的相对真实性,提高了生成质量和训练稳定性。实验结果表明,该方 法能够复原各类图像缺失的情况,并能够有效复原佩戴眼镜的人脸图像,与其他方法相比,该方法的峰值信噪比、结构相似性 和感知相似度评估等指标分别提升了3.81%、2.65%和0.45%。  相似文献   
4.
原始采集的医学图像普遍存在对比度不足、细节模糊以及噪声干扰等质量问题,使得现有医学图像分割技术的精度很难达到新的突破。针对医学图像数据增强技术进行研究,在不明显改变图像外观的前提下,通过添加特定的像素补偿和进行细微的图像调整来改善原始图像质量问题,从而提高图像分割准确率。首先,设计引入了一个新的优化器模块,以产生一个连续分布的空间作为迁移的目标域,该优化器模块接受数据集的标签作为输入,并将离散的标签数据映射到连续分布的医学图像中;其次,提出了一个基于对抗生成网络的EnGAN模型,并将优化器模块产生的迁移目标域用来指导对抗网络的目标生成,从而将改善的医学图像质量知识植入模型中实现图像增强。基于COVID-19数据集,实验中使用U-Net、U-Net+ResNet34、U-Net+Attn Res U-Net等卷积神经网络作为骨干网络,Dice系数和交并比分别达到了73.5%和69.3%、75.1%和70.5%,以及75.2%和70.3%。实验的结果表明,提出的医学图像质量增强技术在最大限度保留原始特征的条件下,有效地提高了分割的准确率,为后续的医学图像处理研究提供了一个更为稳健和高效的解决方案。  相似文献   
5.
针对电力设施遥感图像云层遮挡问题,提出了基于生成对抗网络(GAN) 的遥感图像去云算法。以条件生成对抗网络 (cGAN) 为主体结构,在编码器自适应填充卷积,设计了基于 Soft Attention的递归神经网络模块,通过对所有特征节点增加 全局依赖关系来解决网络局部最优问题,通过空间信息转换提取关键信息,提高去云与重建效果。实验结果表明,方法对遥 感图像中云层遮挡去除效果较好,重建图像的结构相似性(SSIM) 与峰值信噪比(PSNR) 分别达到0.983与32.899,分别提高 了23.93%与8.86%,均优于其他改进型GAN 网络。研究的方法不仅为基于遥感图像电力设施识别提供了基础,深度学习 遥感图像处理应用提供了参考。  相似文献   
6.
最近,强化学习技术在序列推荐系统取得成功,它能从用户长期反馈信号中学习有效的推荐策略.然而,模型的激励函数设计面临区分度过低的难题.这限制了模型学习不同用户反馈信号间的价值差异的能力,并导致推荐策略总是次优的.现有工作主要通过调节衰减因子来保证激励函数区分度,但它依赖专家先验知识缺乏理论基础.为了更合理地设计激励函数和提高其区分度,本文依据因果论来分析推荐系统,并提出一种基于反事实区分度增强的序列推荐算法CAL4Rec.首先,所提出方法用结构因果图描述序列推荐过程,并创造性地用因果图定义了因果可鉴别的价值激励区分度.其次,该方法用反事实生成对抗的自监督学习过程优化推荐策略网络,以学习用户的真实倾向.在一系列序列推荐基准数据集上,对CAL4Rec开展了广泛对比和消融实验,实验结果表明CAL4Rec的提升对多种网络实现结构有效(平均2.34%).  相似文献   
7.
实体关系联合抽取旨在从文本中抽取出实体关系三元组, 是构建知识图谱十分重要的步骤之一. 针对实体关系抽取中存在的信息表达能力不强、泛化能力较差、实体重叠和关系冗余等问题, 提出了一种实体关系联合抽取模型RGPNRE. 使用RoBERTa预训练模型作为编码器, 提高了模型的表达信息能力. 在训练过程中引入了对抗训练, 提升了模型的泛化能力. 使用全局指针, 解决了实体重叠的问题. 使用关系预测, 排除不可能的关系, 减少了冗余的关系. 在基于schema的中文医学信息抽取数据集CMeIE上进行的实体关系抽取实验表明, 模型的F1值比基准模型提升了约2个百分点, 在实体对重叠的情况下, 模型的F1值提升了近10个百分点, 在单一实体重叠情况下, 模型的F1值提升了大约1个百分点, 说明该模型能够更准确地提取实体关系三元组, 从而有效提升知识图谱构建的准确度. 在含有1–5个三元组的对比实验中, 在拥有4个三元组的句子中, 模型的F1值提升了约2个百分点, 而在拥有5个及以上三元组的复杂句子中, F1值提升了约1个百分点, 说明该模型能够较好地处理复杂句子场景.  相似文献   
8.
MAX274/275有源滤波器的应用研究   总被引:10,自引:1,他引:10  
介绍MAX274/275有源滤波器的特性及电路参数的设计和测控应用实例。  相似文献   
9.
在深度学习的训练中,绝缘子检测需要大量的故障绝缘子,而实际难以获得大量故障绝缘子数据。生成对抗网络为扩增训练样本提供了可行的解决办法。在循环一致性生成对抗网络(CycleGAN)结构上补充缺陷绝缘子样本,通过更改损失函数来优化模型,将正向生成器生成的图像,输入到反向生成器,保持样本整体轮廓的同时,增加了差异性。将改进的CycleGAN模型与其他GAN模型在SSD目标检测方法中进行比较,结果表明改进的CycleGAN扩增数据集的方法相较于其他扩增方法在绝缘子掉串检测识别率上有明显提升。  相似文献   
10.
Generalized zero shot classification aims to recognize both seen and unseen samples in test sets, which has gained great attention. Recently, many works consider using generative adversarial network to generate unseen samples for solving generalized zero shot classification problem. In this paper, we study how to generate discriminative and meaningful samples. We propose a method to learn discriminative and meaningful samples for generalized zero shot classification tasks (LDMS) by generative adversarial network with the regularization of class consistency and semantic consistency. In order to make the generated samples discriminative, class consistency is used, such that the generated samples of the same classes are near and of different classes are far away. In order to make the generated samples meaningful, semantic consistency is used, such that the semantic representations of the generated samples are close to their class prototypes. It encodes the discriminative information and semantic information to the generator. In order to alleviate the bias problem, we select some confident unseen samples. We use the seen samples, the generated unseen samples and the selected confident unseen samples to train the final classifier. Extensive experiments on all datasets demonstrate that the proposed method can outperform state-of-the-art models on generalized zero shot classification tasks.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号