全文获取类型
收费全文 | 6795篇 |
免费 | 160篇 |
国内免费 | 183篇 |
专业分类
系统科学 | 280篇 |
丛书文集 | 354篇 |
教育与普及 | 141篇 |
理论与方法论 | 89篇 |
现状及发展 | 21篇 |
研究方法 | 2篇 |
综合类 | 6251篇 |
出版年
2024年 | 9篇 |
2023年 | 73篇 |
2022年 | 90篇 |
2021年 | 68篇 |
2020年 | 86篇 |
2019年 | 101篇 |
2018年 | 40篇 |
2017年 | 65篇 |
2016年 | 85篇 |
2015年 | 117篇 |
2014年 | 345篇 |
2013年 | 351篇 |
2012年 | 431篇 |
2011年 | 503篇 |
2010年 | 459篇 |
2009年 | 491篇 |
2008年 | 500篇 |
2007年 | 466篇 |
2006年 | 328篇 |
2005年 | 306篇 |
2004年 | 288篇 |
2003年 | 257篇 |
2002年 | 248篇 |
2001年 | 194篇 |
2000年 | 178篇 |
1999年 | 171篇 |
1998年 | 129篇 |
1997年 | 135篇 |
1996年 | 93篇 |
1995年 | 96篇 |
1994年 | 79篇 |
1993年 | 54篇 |
1992年 | 53篇 |
1991年 | 59篇 |
1990年 | 51篇 |
1989年 | 68篇 |
1988年 | 33篇 |
1987年 | 20篇 |
1986年 | 14篇 |
1985年 | 1篇 |
1982年 | 1篇 |
1980年 | 1篇 |
1958年 | 1篇 |
排序方式: 共有7138条查询结果,搜索用时 0 毫秒
1.
2.
3.
为了构建共享自动驾驶汽车(shared autonomous vehicles,SAV) 的使用意愿模型并分析其影响因素,通过使用时机和使用频率来体现公众对SAV的使用意愿;采用验证性因子分析将态度潜变量转化为潜变量得分,以此将态度潜变量引入传统的有序Logit模型;提出SAV使用意愿的有序Logit模型构建方法,并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1,2,3元/km) 下的使用频率有显著影响;使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行;公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV. 相似文献
4.
5.
6.
深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性. 相似文献
7.
在超高层建筑建造过程中,常用测量机器人监测中间楼层的监测点的变形。削弱建筑晃动影响对于监测结果的稳定性至关重要。为此,首先提出一种利用楼顶卫星接收机测量建筑晃动情况,通过内插得到中间楼层瞬时晃动影响的方法,并通过实验验证该方法的有效性。在此基础上,利用该方法对多期监测数据进行处理,结果表明该方法可获得更加稳定的监测结果。将处理结果与有限元分析的结果进行比较,结果表明使用该方法后监测结果与有限元分析的结果吻合度较高。 相似文献
8.
《萍乡高等专科学校学报》2018,(3):87-90
自动售卖机是商业模式下自动化实现的典型应用之一,随着嵌入式系统和自动化技术的不断发展,其应用也越来越广泛。有限状态机作为一种反映状态间转移的数学模型,可以被用在嵌入式系统控制器的设计开发中。利用有限状态机技术对自动售卖机的控制器进行设计,利用Verilog HDL语言将控制器编程实现,并在Model Sim中进行了仿真,实验结果证明了该方法的可行性。 相似文献
9.
10.
黄寅 《齐齐哈尔大学学报(自然科学版)》2020,36(2)
针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。 相似文献