全文获取类型
收费全文 | 115篇 |
免费 | 16篇 |
国内免费 | 14篇 |
专业分类
电工技术 | 15篇 |
综合类 | 7篇 |
化学工业 | 18篇 |
金属工艺 | 2篇 |
机械仪表 | 6篇 |
建筑科学 | 17篇 |
矿业工程 | 1篇 |
能源动力 | 3篇 |
轻工业 | 16篇 |
石油天然气 | 2篇 |
无线电 | 9篇 |
一般工业技术 | 7篇 |
冶金工业 | 3篇 |
自动化技术 | 39篇 |
出版年
2024年 | 2篇 |
2023年 | 12篇 |
2022年 | 5篇 |
2021年 | 7篇 |
2020年 | 7篇 |
2019年 | 13篇 |
2018年 | 9篇 |
2017年 | 3篇 |
2016年 | 5篇 |
2015年 | 2篇 |
2014年 | 8篇 |
2013年 | 2篇 |
2012年 | 13篇 |
2011年 | 9篇 |
2010年 | 4篇 |
2009年 | 6篇 |
2007年 | 9篇 |
2006年 | 9篇 |
2005年 | 3篇 |
2004年 | 1篇 |
2003年 | 1篇 |
2002年 | 1篇 |
2001年 | 3篇 |
2000年 | 5篇 |
1997年 | 1篇 |
1993年 | 3篇 |
1992年 | 2篇 |
排序方式: 共有145条查询结果,搜索用时 15 毫秒
1.
针对传统卷积神经网络(convolutional neural network, CNN)受感受野大小的限制,无法直接有效地获取空间结构及全局语义等关键信息,导致宽血管边界及毛细血管区域特征提取困难,造成视网膜血管分割表现不佳的问题,提出一种基于图卷积的视网膜血管分割细化框架。该框架通过轮廓提取及不确定分析方法,选取CNN粗分割结果中潜在的误分割区域,并结合其提取的特征信息构造出合适的图数据,送入残差图卷积网络(residual graph convolutional network, Res-GCN)二次分类,得到视网膜血管细化分割结果。该框架可以作为一个即插即用模块接入任意视网膜血管分割网络的末端,具有高移植性和易用性的特点。实验分别选用U型网络(U-neural network, U-Net)及其代表性改进网络DenseU-Net和AttU-Net作为基准网络,在DRIVE、STARE和CHASEDB1数据集上进行测试,本文框架的Sp分别为98.28%、99.10%和99.04%,Pr分别为87.97%、88.87%和90.25%,证明其具有提升基准网络分割效果的细化能力。 相似文献
2.
针对目前视网膜血管分割任务中伪标签质量参差不齐,获得高质量的伪标签需要经过筛选的问题,本文提出了一种新的用于视网膜血管分割的半监督深度学习框架。该框架采用分而治之的思想来处理数据,针对有标签数据,采用传统的深度学习方法;针对无标签数据,采用Mean teacher模型,通过对比同一输入的不同形态输出,让模型学习无标签数据之间的共同特征,避免了采用伪标签技术带来的筛选过程。本文将U型网络(u-neural networks,U-Net)、Dense-Net和Ladder-Net 3个基准网络放入该框架,在DRIVE和CHASEDB1数据集上进行训练测试,均取得了较好的分割效果,表明本文框架具有提高网络区分不同阈值像素的能力。 相似文献
3.
目的 在图像分类领域,小样本学习旨在利用从大规模数据集中训练到的知识来处理仅包含少量有标记训练样本的下游分类任务。通常情况下,下游任务只涉及新类样本,由于元训练阶段会构造大量任务随机抽取训练集中不同类别的样本且训练集与测试集类别间存在领域间隙,因此模型训练周期长且可能对训练集过拟合,以致元知识无法迁移到测试集,进而导致模型泛化性差。针对以上问题,提出一种多层自适应聚合的自监督小样本图像分类模型。方法 首先使用分组卷积对残差块进行改进,减少神经网络参数量,降低训练难度,缩短训练时间;然后采用多层自适应聚合的方法改进骨干网络,对网络各层语义信息加以提炼聚合,自适应分配各层权重,将聚合后的特征图作为后续分类的依据;最后加入自监督对比学习结合有监督学习挖掘样本自身潜在的信息,从而提升样本特征表达能力。结果 在mini-ImageNet数据集和CUB(Caltech-UCSD birds-200-2011)数据集上与当前主流模型进行分类效果对比实验,与baseline相比,所提模型的准确率在mini-ImageNet数据集的5-way 1-shot与5-way 5-shot实验上分别提升了6.3... 相似文献
4.
针对目前表情识别准确率偏低,表情数据集中类别样本类间差异小、类内差异大以及误标注样本产生的误分类等问题,提出了一种结合改进VGGNet和Focal Loss的人脸表情识别算法。在迁移学习的基础上,通过设计新的输出模块对VGGNet模型进行改进,提升了模型的特征提取能力,能够较好地避免过拟合现象;通过设置概率阈值对Focal Loss进行改进,避免误标注样本对模型分类性能产生影响。实验结果表明,该模型在CK+、JAFFE以及FER2013数据集上的识别准确率分别达到了99.68%、97.61%和72.49%,在实际应用中泛化能力突出。 相似文献
5.
针对现有的视网膜血管分割方法存在对微血管和毛细血管的分割能力不足,导致血管断连和末端血管漏分,造成视网膜血管分割性能不佳的问题,本文提出一种基于多尺度一致性与注意力机制的视网膜血管分割网络(multi-scale consistency and attention mechanism U-Net, MCAU-Net)。首先,该网络在瓶颈特征层嵌入注意力细化模块(attention refinement module, ARM),能有效细化瓶颈层冗余的特征,抑制背景等无关像素的权值。其次,将上下文特征融合模块(context fusion module, CFM)与传统的跳跃连接相结合,以此补充在特征提取过程中逐渐丢失的信息,加强网络对微血管和毛细血管的构建能力。最后,基于网络的多尺度输出设计了一种多尺度一致性的训练方式,以增强网络对不同尺度特征的敏感性。在DRIVE和CHASE_DB1公开数据集上进行的对比实验表明本文网络具有良好的分割性能。 相似文献
6.
本文首先介绍了《有机化学》课程教学现状及解决策略。《有机化学》课程为专业基础课,授课过程中单纯地给学生讲解理论知识,让学生感到枯燥乏味,不能激发学生的学习兴趣,作者以食品为基础的《有机化学》课程在教学实践与探索过程中,教学效果好,起到了事半功倍的作用。 相似文献
7.
磨矿研磨体级配的试验研究 总被引:2,自引:0,他引:2
选择合理的研磨体装载量和钢球级配是提高磨机产量和降低电耗的重要途径之一。而磨矿效变幻无常的最佳化必须通过选掸厝矿介质的形状和大小来实现。显然,不是每一种规格的研磨体都能适用,如果研磨体太小,会使粉碎物料的能量不足;而研磨体太大,则具有过剩的能量。原则上可以预料:对宽级圳的被磨物料,为了得到最佳粉磨效果,必须选用不同大小的研磨体进行混合,习惯上用级配一词来表示。在选择级配的组成时,既要考虑原物料的粒度组成.又要考虑所希望得到的最终细度。因此,对此种级配方法进行了理论上的探讨和.式验研究。 相似文献
8.
9.
吕佳 《湖南工业职业技术学院学报》2007,7(2):47-48
2003年港澳游实施和2004年CEPA激活以来,由私人携带出境而滞留香港的人民币已达到700亿—1000亿元。从货币性质看,属于国际收支中经常项目下的贸易项目支付。因而,构想在对香港的出口贸易中推行本币报价、本币结算,使滞港人民币合法回流,完成人民币的双向流动,并可以改善内地贸易顺差过大的现状。 相似文献
10.
针对现有基于卷积神经网络的图像超分辨率重建网络中存在的训练难以收敛、无法适配多个放大系数和无法进行非整数放大系数上采样的问题,提出了一种基于多尺度和分而治之思想的自适应上采样图像超分辨率重建算法。该算法通过改进后的多尺度通道注意力特征提取模块对低分辨率图像进行多尺度特征提取以生成不同尺度下的特征图,再将其输入瓶颈层实现全局特征融合,使用基于分而治之的自适应上采样模块获得超分辨率图像,从而解决了不同放大系数的适配问题和非整数放大系数的上采样问题。在对比实验中,该算法在不使用任何初始化方法时仍然具有良好的收敛性。在整数放大系数下,该算法的图像重建性能超过当前主流的超分辨率网络,PSNR和SSIM性能相比MRFN分别提升了0.34 dB和0.039 1。在非整数放大系数下,其PSNR性能相比双三次插值方法平均提升1.24 dB,且不需要对每一个放大系数都进行训练。 相似文献