全文获取类型
收费全文 | 75658篇 |
免费 | 6544篇 |
国内免费 | 6666篇 |
专业分类
电工技术 | 5733篇 |
技术理论 | 6篇 |
综合类 | 7314篇 |
化学工业 | 6094篇 |
金属工艺 | 2233篇 |
机械仪表 | 2709篇 |
建筑科学 | 8757篇 |
矿业工程 | 1177篇 |
能源动力 | 870篇 |
轻工业 | 3643篇 |
水利工程 | 1633篇 |
石油天然气 | 1852篇 |
武器工业 | 565篇 |
无线电 | 9896篇 |
一般工业技术 | 4638篇 |
冶金工业 | 2349篇 |
原子能技术 | 495篇 |
自动化技术 | 28904篇 |
出版年
2024年 | 1830篇 |
2023年 | 5456篇 |
2022年 | 5994篇 |
2021年 | 5747篇 |
2020年 | 4353篇 |
2019年 | 4916篇 |
2018年 | 2114篇 |
2017年 | 2032篇 |
2016年 | 2105篇 |
2015年 | 2823篇 |
2014年 | 5754篇 |
2013年 | 3664篇 |
2012年 | 3979篇 |
2011年 | 5360篇 |
2010年 | 4321篇 |
2009年 | 4102篇 |
2008年 | 4672篇 |
2007年 | 3276篇 |
2006年 | 2385篇 |
2005年 | 2302篇 |
2004年 | 2085篇 |
2003年 | 1795篇 |
2002年 | 1458篇 |
2001年 | 1198篇 |
2000年 | 969篇 |
1999年 | 671篇 |
1998年 | 542篇 |
1997年 | 516篇 |
1996年 | 449篇 |
1995年 | 388篇 |
1994年 | 339篇 |
1993年 | 286篇 |
1992年 | 259篇 |
1991年 | 206篇 |
1990年 | 186篇 |
1989年 | 188篇 |
1988年 | 46篇 |
1987年 | 22篇 |
1986年 | 35篇 |
1985年 | 9篇 |
1984年 | 9篇 |
1983年 | 7篇 |
1982年 | 8篇 |
1981年 | 3篇 |
1980年 | 2篇 |
1965年 | 5篇 |
1951年 | 1篇 |
1948年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
3.
4.
恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97%. 相似文献
5.
阐述课程教学中的线上线下混合教学模式,存在的问题,应对的措施,通过对现有网络资源的充分利用,将前沿理论知识以及行业热点融入线上课程教学中,从而促进对于课程的主动学习。 相似文献
6.
7.
碎片化学习难以集中记录,存在无法迅速定位到自己需要的学习内容等用户体验问题.传统方法不能采集真实情境下的用户数据,无法满足研究人员的研究需求.基于此,开发一种基于用户行为的捕捉工具——CAUX(Context-Aware User Experience,CAUX),设计了具有情境感知能力的数据采集模块,自动捕捉指定App内的用户行为数据.CAUX对用户干扰性低,可以辅助研究人员捕捉典型的碎片化学习行为.对利用CAUX采集到的数据进行处理,并结合人工方法进行分析,可以发现不同情境下的用户行为和用户体验问题. 相似文献
9.
《中国计量学院学报》2022,(1):92-99
目的:利用图神经网络,构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先,用图卷积神经网络提取节点的初始特征。其次,用多头密集连接网络学习节点重要性得分,并根据得分进行节点采样得到池化图。之后,对池化图中的节点进行结构学习,以保证图结构的完整性。最后,将学到的图表示放到分类器中,完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比,我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。 相似文献
10.
电力系统维护是电力系统稳定运行的重要保障,应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术,结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务,结合电力线图像特点嵌入改进的图像输入策略和注意力模块,提出一种基于阶段注意力机制的电力线提取模型(SA-Unet)。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略(Stage input fusion strategy, SIFS),充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块(Stage attention module,SAM)聚焦电力线特征,从大量信息中快速筛选出高价值信息。实验结果表明,该方法在复杂背景的多场景中具有良好的性能。 相似文献