全文获取类型
收费全文 | 55篇 |
免费 | 12篇 |
国内免费 | 6篇 |
专业分类
电工技术 | 4篇 |
综合类 | 3篇 |
化学工业 | 8篇 |
机械仪表 | 8篇 |
建筑科学 | 3篇 |
矿业工程 | 2篇 |
能源动力 | 1篇 |
轻工业 | 1篇 |
水利工程 | 1篇 |
石油天然气 | 3篇 |
无线电 | 15篇 |
一般工业技术 | 2篇 |
自动化技术 | 22篇 |
出版年
2023年 | 3篇 |
2022年 | 4篇 |
2021年 | 7篇 |
2020年 | 8篇 |
2019年 | 7篇 |
2018年 | 7篇 |
2017年 | 4篇 |
2016年 | 4篇 |
2015年 | 1篇 |
2014年 | 6篇 |
2013年 | 4篇 |
2012年 | 2篇 |
2011年 | 2篇 |
2010年 | 4篇 |
2009年 | 5篇 |
2008年 | 1篇 |
2007年 | 1篇 |
2006年 | 1篇 |
2005年 | 1篇 |
2002年 | 1篇 |
排序方式: 共有73条查询结果,搜索用时 15 毫秒
1.
目前的建设工程项目的特点是影响因素多、规模大、技术新颖、施工周期长,在整个施工过程中都存在风险。因此,施工管理单位要提高对施工质量的重视,提升施工效率,降低工程施工成本。本文,主要探讨了建筑工程建设施工存在的质量问题,并提出相应的质量控制措施。 相似文献
2.
3.
计算机视觉旨在通过计算机模拟人的视觉系统,让计算机学会"看",是人工智能、神经科学研究的一个热点。作为计算机视觉的经典任务,图像分类吸引了越来越多的研究,尤其是基于神经网络的算法在各种分类任务上表现优异。然而,传统浅层人工神经网络特征学习能力不强、生物可解释性不足,而深层神经网络存在过拟合、高功耗的缺点,因此在低功耗环境下具有生物可解释性的图像分类算法研究仍然是一个具有挑战性的任务。为了解决上述问题,结合脉冲神经网络,设计并实现了一种基于Jetson TK1和脉冲神经网络的图像分类算法。研究的主要创新点有:(1)设计了深度脉冲卷积神经网络算法,用于图像分类;(2)实现了基于CUDA改进的脉冲神经网络模型,并部署在Jetson TK1开发环境上。 相似文献
4.
5.
针对宽频带定向性天线阵列存在不确定的相位中心、非均匀分布的远场相位以及有限的主波瓣宽度等问题,提出了一种定向性天线组成的均匀圆阵的扇区波达方向(DOA)估计模型.首先通过最优化原则估计定向性天线相位中心,推导出阵列的有效孔径,构建方向性导向矢量;然后综合考虑相位扰动、相位中心估计误差等因素对DOA估计精度的影响,分析并推导出误差矢量;最后对常规理想点源天线阵列的DOA估计模型进行改进,并对影响DOA估计误差的因素进行仿真.实验结果表明,该模型具有单元天线参与数量少、相同误差因素下DOA估计精度高的优点. 相似文献
6.
7.
均匀圆阵中的波束合成技术 总被引:1,自引:0,他引:1
针对均匀圆阵天线的阵列布局,建立了天线阵列对信号的接收模型,提出了一种实用的直接加权波束合成技术。在分析了系统误差来源并修正了系统误差校准模型的基础上,给出了详细的波束合成理论推导。结合实际系统给出了工程上的具体实现,并运用正交校准技术对由设备通路引起的系统误差进行校准。对该算法进行计算机仿真验证其可行性,并与实际效果图进行比较,指出算法的优点和不足。所给出的理论和方法都通过了工程检验,具有一定的实用性。 相似文献
8.
9.
目的 肝纤维化是众多慢性肝脏疾病的常见表现,如不及时治疗可发展为肝硬化甚至引发肝癌。肝纤维化的准确评估对临床治疗和预后评估等至关重要。目前,肝纤维化的诊断通过肝穿活检判断,有创且有并发症危险。为此,基于影像学的无创诊断方法越来越受到关注。本文提出一种基于通道注意力与空间注意力机制改进的用于肝纤维化区域的自动化分割U-Net (liver fibrosis region segmentation network based on spatial and channel attention mechanisms,LFSCA-UNet)。方法 依据Attention U-Net的改进方式,围绕U-Net的跳跃连接结构进行基于注意力的改进,在AG (attention gate)的基础上,加入以ECA (efficient channel attention)模块为实现方式的通道注意力机制,依据加入ECA的位置,LFSCA-UNet分为A、B、C共3个子型。结果 在肝数据集上与其他实验网络进行评估对比,本文提出的LFSCA-UNet网络结构平均Dice系数达到了93.33%,相比原始U-Net的Dice系数提高了0.539 6%。结论 本文方法将空间注意力机制与通道注意力机制进行结合,有效提高了肝纤维化区域的分割精度,对空间注意力模块使用通道注意力模块优化输入和输出,增加了网络的稳定性,提升了网络的整体效果。 相似文献