全文获取类型
收费全文 | 17369篇 |
免费 | 1131篇 |
国内免费 | 893篇 |
专业分类
电工技术 | 1269篇 |
技术理论 | 1篇 |
综合类 | 2412篇 |
化学工业 | 900篇 |
金属工艺 | 386篇 |
机械仪表 | 1162篇 |
建筑科学 | 2367篇 |
矿业工程 | 640篇 |
能源动力 | 331篇 |
轻工业 | 957篇 |
水利工程 | 1197篇 |
石油天然气 | 994篇 |
武器工业 | 220篇 |
无线电 | 1706篇 |
一般工业技术 | 1420篇 |
冶金工业 | 355篇 |
原子能技术 | 146篇 |
自动化技术 | 2930篇 |
出版年
2024年 | 93篇 |
2023年 | 356篇 |
2022年 | 455篇 |
2021年 | 500篇 |
2020年 | 440篇 |
2019年 | 434篇 |
2018年 | 237篇 |
2017年 | 399篇 |
2016年 | 476篇 |
2015年 | 530篇 |
2014年 | 1090篇 |
2013年 | 901篇 |
2012年 | 1073篇 |
2011年 | 1040篇 |
2010年 | 1137篇 |
2009年 | 1151篇 |
2008年 | 1403篇 |
2007年 | 1062篇 |
2006年 | 901篇 |
2005年 | 912篇 |
2004年 | 591篇 |
2003年 | 512篇 |
2002年 | 390篇 |
2001年 | 399篇 |
2000年 | 369篇 |
1999年 | 316篇 |
1998年 | 316篇 |
1997年 | 241篇 |
1996年 | 247篇 |
1995年 | 253篇 |
1994年 | 215篇 |
1993年 | 167篇 |
1992年 | 155篇 |
1991年 | 182篇 |
1990年 | 157篇 |
1989年 | 157篇 |
1988年 | 40篇 |
1987年 | 22篇 |
1986年 | 10篇 |
1985年 | 15篇 |
1984年 | 15篇 |
1983年 | 15篇 |
1982年 | 5篇 |
1981年 | 8篇 |
1980年 | 2篇 |
1979年 | 4篇 |
排序方式: 共有10000条查询结果,搜索用时 0 毫秒
1.
2.
3.
4.
为了提高关键传感器系统的容错能力,避免增加引入硬件设备的额外成本、重量与维护负担,提出了俯仰角速度传感器的信号重构方法。信号重构采用了自适应当前统计模型的卡尔曼滤波算法,改进模型能够更准确地描述飞机实际的角运动情况,提高解析信号的精度。通过不同飞行状态下的飞机角运动仿真,将所提方法与典型的信号重构方法进行对比,验证了所提方法的有效性和优越性。 相似文献
6.
积分中值屈服准则解析厚板轧制椭圆速度场 总被引:1,自引:0,他引:1
为解决非线性Mises比塑性功率积分困难以及由此导致的轧制功率解析式难以获得的问题,本文通过建立并利用线性比塑性功率表达式对提出的椭圆速度场进行能量分析,得到了轧制力能参数的解析解.文中通过对变角度屈服函数求积分中值,构建了一个新的屈服准则,它是主应力分量的线性组合,在π平面上的轨迹是逼近Mises圆的等边非等角的十二边形,其基于Lode参数表达式的理论结果也与实验数据吻合较好.同时,根据厚板轧制时金属流动速度从入口到出口逐渐增大的特点,提出了水平速度分量满足椭圆方程的速度场,该速度场满足运动许可条件.通过相应的轧制能量分析,获得了基于线性屈服准则的内部变形功率以及基于应变矢量内积法上的摩擦功率与剪切功率.在此之上,通过泛函的极值变分导出了轧制力矩、轧制力以及应力状态系数的解析解,并与现场实测数据进行了对比,结果表明利用本文提出的屈服准则与速度场所建立的轧制力矩与轧制力模型与实测值吻合较好,其中轧制力误差小于5.3%,轧制力矩误差在6%左右. 相似文献
7.
现阶段的语义解析方法大部分都基于组合语义,这类方法的核心就是词典。词典是词汇的集合,词汇定义了自然语言句子中词语到知识库本体中谓词的映射。语义解析一直面临着词典中词汇覆盖度不够的问题。针对此问题,该文在现有工作的基础上,提出了基于桥连接的词典学习方法,该方法能够在训练中自动引入新的词汇并加以学习,为了进一步提高新学习到的词汇的准确度,该文设计了新的词语—二元谓词的特征模板,并使用基于投票机制的核心词典获取方法。该文在两个公开数据集(WebQuestions和Free917)上进行了对比实验,实验结果表明,该文方法能够学习到新的词汇,提高词汇的覆盖度,进而提升语义解析系统的性能,特别是召回率。 相似文献
8.
9.
10.
针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点,提出一种基于特征融合的中文简历解析方法,即级联Word2Vec生成的词向量和用BLSTM(Bidirectional Long Short-Term Memory)建模字序列生成的词向量,然后再结合BLSTM和CRF(Conditional Random Fields)对中文简历进行解析(BLSTM-CRF)。为了提高中文简历解析的效率,级联包含字序列信息的词向量和用Word2Vec生成的词向量,融合成一个新的词向量表示;再由BLSTM强大的学习能力融合词的上下文信息,输出所有可能标签序列的分值给CRF层;再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络,使用预先训练的词向量和Dropout优化神经网络,最终完成对中文简历的解析工作。实验结果表明,所提的特征融合方法优于传统的简历解析方法。 相似文献