全文获取类型
收费全文 | 65篇 |
免费 | 2篇 |
国内免费 | 23篇 |
专业分类
电工技术 | 26篇 |
综合类 | 2篇 |
化学工业 | 4篇 |
金属工艺 | 4篇 |
机械仪表 | 12篇 |
建筑科学 | 2篇 |
能源动力 | 8篇 |
武器工业 | 13篇 |
无线电 | 3篇 |
一般工业技术 | 2篇 |
原子能技术 | 5篇 |
自动化技术 | 9篇 |
出版年
2023年 | 2篇 |
2021年 | 1篇 |
2020年 | 1篇 |
2019年 | 5篇 |
2018年 | 6篇 |
2016年 | 1篇 |
2015年 | 3篇 |
2014年 | 2篇 |
2013年 | 2篇 |
2012年 | 9篇 |
2011年 | 4篇 |
2010年 | 10篇 |
2009年 | 2篇 |
2008年 | 11篇 |
2007年 | 7篇 |
2006年 | 6篇 |
2005年 | 3篇 |
2004年 | 1篇 |
2003年 | 2篇 |
2002年 | 1篇 |
2001年 | 2篇 |
2000年 | 1篇 |
1997年 | 3篇 |
1995年 | 2篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1991年 | 1篇 |
排序方式: 共有90条查询结果,搜索用时 156 毫秒
1.
文本生成图像算法对生成图像的质量和文本匹配度有很高的要求. 为了提高生成图像的清晰度, 在现有算法的基础上改进生成对抗网络模型. 加入动态记忆网络、细节校正模块(DCM)、文本图像仿射组合模块(ACM)来提高生成图片的质量. 其中动态记忆网络可以细化模糊图像并选择重要的文本信息存储, 以提高下一阶段生成图像的质量. DCM纠正细节, 完成合成图像中缺失部分. ACM编码原始图像特征, 重建与文本描述无关的部分. 改进后的模型实现了两个目标, 一是根据给定文本生成高质量的图片, 同时保留与文本无关的内容. 二是使生成图像不再较大程度依赖于初始图像的生成质量. 通过在CUB-200-2011鸟类数据集进行研究实验, 结果表明相较之前的算法模型, FID (Frechet inception)有了显著的改善, 结果由16.09变为10.40. 证明了算法的可行性和先进性. 相似文献
2.
针对多数无线传感器网络时钟同步方案存在的仅纠正时钟偏移问题,提出一种新的解决方案,整合时钟偏移同步和时钟速率同步,通过3个连续的消息传输实现单跳同步,采用分层的生成树实现多跳同步。仿真实验结果表明,与现有的同步方案比较,该方案的同步错误更小,能够获得更长的再同步周期。 相似文献
3.
AMTIS单通道多角度热红外图像的大气订正 总被引:2,自引:1,他引:1
给出了在假定无大气廓线情况下,AMTIS单通道多角度热红外图像的大气订正算法.算法需要三个参数:其中大气等效温度,用“最小标准差法”从图像自身来估算;大气透过率通过地表的绝对湿度或者太阳辐射计得到的大气水汽含量参数来估算;像元的辐射率比由AMTIS得到的NDVI计算.通过将大气订正后的亮度温度与地面实测点亮度温度比较,两者相差约1.2K,这对于无大气廓线情况下单通道热红外图像的大气订正来说,结果是可以接受的. 相似文献
4.
5.
准确并实时地预测交通速度是实现智能交通管控和建设智慧交通系统必不可少的一环,然而现有的预测方法无法准确地挖掘其潜在的时空相关性。为了进一步挖掘数据的时空特性以及提高预测精度,设计了基于门控循环神经网络(GRU),图卷积网络(GCN)和正则化Dropout(R-Drop)结合的GRU-GCN-RDrop组合模型。GCN用于学习复杂的拓扑结构来捕获空间依赖性,GRU用于学习交通数据的动态变化来捕获时间依赖性。GCN和GRU相结合后使用R-Drop方法提高模型泛化能力。以SZ-taxi数据集为例进行预测分析,GRU-GCN-RDrop模型预测了未来在15分钟、30分钟、45分钟和60分钟的交通速度,并得出对应的均方根误差、平均绝对误差、精度、判定系数和解释方差。对比GCN、GRU单个模型,GRU-GCN-RDrop模型有效解决了误差的迅速累积问题。对比大多数现有基准模型,GRU-GCN-RDrop模型对于交通速度序列的特征提取及解释能力较为优秀。对比T-GCN模型和ST-AGTCN模型,GRU-GCN-RDrop模型泛化能力更强。由此说明了GRU-GCN-RDrop模型预测的交通速度时间序列... 相似文献
6.
分析了大扭曲叶轮的结构特点和技术要求,论述了常压消失模铸造叶轮工艺,探讨了叶轮消失模铸造过程中应注意的问题.经生产验证,用常压消失模铸造生产大扭曲叶轮叶片完全适用不利起模工况条件下的生产. 相似文献
7.
8.
9.
10.