全文获取类型
收费全文 | 37920篇 |
免费 | 1311篇 |
国内免费 | 1585篇 |
专业分类
系统科学 | 2736篇 |
丛书文集 | 1325篇 |
教育与普及 | 609篇 |
理论与方法论 | 581篇 |
现状及发展 | 171篇 |
综合类 | 35394篇 |
出版年
2024年 | 31篇 |
2023年 | 608篇 |
2022年 | 563篇 |
2021年 | 563篇 |
2020年 | 657篇 |
2019年 | 553篇 |
2018年 | 340篇 |
2017年 | 499篇 |
2016年 | 644篇 |
2015年 | 1005篇 |
2014年 | 2057篇 |
2013年 | 2035篇 |
2012年 | 2692篇 |
2011年 | 3031篇 |
2010年 | 2904篇 |
2009年 | 3206篇 |
2008年 | 3532篇 |
2007年 | 3349篇 |
2006年 | 2466篇 |
2005年 | 1859篇 |
2004年 | 1628篇 |
2003年 | 1414篇 |
2002年 | 1180篇 |
2001年 | 1061篇 |
2000年 | 694篇 |
1999年 | 502篇 |
1998年 | 384篇 |
1997年 | 332篇 |
1996年 | 213篇 |
1995年 | 174篇 |
1994年 | 155篇 |
1993年 | 106篇 |
1992年 | 82篇 |
1991年 | 72篇 |
1990年 | 71篇 |
1989年 | 65篇 |
1988年 | 43篇 |
1987年 | 28篇 |
1986年 | 9篇 |
1985年 | 1篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1981年 | 3篇 |
1980年 | 2篇 |
1957年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 19 毫秒
1.
卷积神经网络作为深度学习的重要代表算法之一,被应用到人脸识别、行为识别、字符识别和图像处理等多个领域,推动着人工智能的快速发展.本文在分析整理大量文献后,总结了卷积神经网络的发展阶段,介绍了卷积神经网络的基本结构和关键技术,选取LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等几种具有代表性的网络进行分析对比,并指出各个网络的应用场景和优缺点,最后提出卷积神经网络未来的研究发展方向. 相似文献
2.
针对车道变换意图识别中数据源单一,传统序列模型难以捕获长序列范围内换道意图且存在长期依赖问题,提出一种结合时间信息加权指数损失函数的长短时记忆(long short-term memory,LSTM)车辆换道意图识别模型.首先,利用驾驶模拟舱、眼动仪进行高速公路驾驶实验,采集车辆运行数据和驾驶员眼动数据;然后,基于LSTM结构单元构建高速公路环境下车辆换道意图识别模型,提出基于时间信息加权的指数损失函数对模型权重进行优化;最后,利用车辆运行数据和驾驶员眼动数据对所提模型加以验证并与其他模型进行对比,所提模型换道识别的准确率为91.33%,宏平均精确率为89.04%,宏平均召回率为92.84%,宏平均F1值为90.33%.结果表明,长短时记忆网络对于长序列换道意图识别过程具有较好的分辨能力,提出的损失函数对模型权重优化具有良好的效果. 相似文献
3.
由于机会网络中的节点移动性强,资源受限,设计高效的机会网络路由算法面临巨大挑战.目前已有的路由算法大多借助节点之间的相似性来提高算法的性能,而没有关注到节点之间的异构性,导致部分节点承担了过重的传输任务,从而影响了网络性能.以传统的PRoPHET路由算法为基础进行优化,提出了基于节点属性和缓存管理的机会网络路由算法(Opportunistic Routing Protocol based on Attributes of Nodes and Buffer Management,OANBM),该算法考虑节点的异构性,尽可能利用通信能力强的节点完成转发任务,并且加入缓存管理措施来降低网络负载.仿真结果表明:与经典机会网络路由算法相比,该算法的消息投递率可有效提升10%,而且大幅降低了网络负载率. 相似文献
4.
采用理论分析和有限元分析方法对气动网络多腔室弯曲软体驱动器进行结构优化.基于Yeoh本构方程建立气动网络多腔室弯曲软体驱动器形变模型并进行静力学试验与仿真验证,利用ABAQUS软件对驱动器结构进行仿真优化,分析驱动器各结构参数对弯曲变形的影响,得到最佳优化设计方案.结果表明:驱动器限制层厚和腔室壁厚是弯曲变形的关键影响因素,优化后的驱动器性能得到提升,可为进一步应用奠定基础. 相似文献
5.
针对传统虹膜分类需手工设计滤波器提取虹膜特征, 提取特征单一, 且通常需大量手工调参, 泛化能力较差的问题, 提出一种面向残差网络下多元特征的虹膜分类算法. 一方面将虹膜图像与Gabor特征相结合, 另一方面在网络结构中使用多个尺度的卷积核, 使学习到的虹膜特征更丰富, 从而提高图像特征的表征能力. 实验结果表明, 在固定类别中, 使用Softmax分类器进行多分类, 该算法在JLU虹膜数据库中的分类准确率可稳定在98.90%以上, 不低于DeepIrisNet和Resnet等网络结构, 且该算法的网络结构参数更少, 学习速度更快. 相似文献
6.
由于卫星网络所拥有的节点负载有限、拓扑变化频繁、通信距离长等特点,常见的动态路由算法在卫星网络上存在路由无法收敛、丢包严重和传输延迟较大等问题.为此,本文提出了一种基于软件定义网络(Software-Defined Network,SDN)的卫星网络路由预置方法.利用卫星网络的运动规律性,由控制器根据网络拓扑变化情况预先计算路由路径,并在卫星链路断开前为相关卫星节点下发新的路由条目,卫星节点在拓扑发生变化后按照新的路由条目转发数据报文.实验表明:本文方法在180个节点的卫星网络中,端到端时延约为100 ms,丢包率约为0.3%,与OLSR相比,延迟和丢包率均降低了90%以上,可以较好地支持大规模星群系统的通信. 相似文献
7.
针对舆情监管中数据自动化获取、情感分析和空间可视化显示的相关问题,研究了基于云GIS的网络舆情可视化方法.通过构建基于OpenStack和GeoServer的云GIS平台为舆情数据的采集、分析和显示提供存储和计算支撑;研发了舆情数据自动化采集引擎,根据网页DOM的结构特点,设计了列表项和列表项属性信息获取算法,实现了舆情数据的自动化获取;设计了情感分析算法,实现了舆情信息正负面属性的判定.研发了基于云GIS的舆情可视化系统,为基于空间的舆情信息可视化分析提供了实践经验. 相似文献
8.
针对存在不确定参数和UDP流干扰的TCP网络拥塞问题,提出了一种基于事件触发的TCP网络滑模控制策略.通过利用全局滑模控制方法,使整个系统的响应过程都具有鲁棒性,在此基础上引入事件触发机制,在保证系统状态稳定的同时,节约了网络资源.通过李雅普诺夫理论证明了TCP网络闭环系统里的所有信号是有界的,同时也有效地避免了Zeno现象.仿真结果表明了所提控制方法的有效性. 相似文献
9.
【目的】发展林业碳汇是应对气候变化的重要途径,随着我国碳交易市场的逐步建立与完善,林业碳汇项目开发受到广泛关注,发展前景良好,但也面临诸多不确定性与风险。基于贝叶斯网络原理,对林业碳汇项目进行系统风险评价,为项目风险管理提供参考。【方法】以中国核证自愿减排(China certified emission reduction,CCER)林业碳汇项目为研究对象,利用多领域林业碳汇专家知识,通过确定网络结构与计算风险参数,构建基于贝叶斯网络的林业碳汇项目风险评价模型。结合专家访谈和实地调研信息,确定林业碳汇项目风险清单,并在此基础上确定风险贝叶斯网络结构;根据专家对各类风险因子发生概率及影响大小的打分,利用熵权法计算风险因子权重,以此获得每位专家对于风险源及总风险的评价结果,得到贝叶斯网络运行的全部参数。利用构建的风险评价模型,测度CCER林业碳汇项目整体风险水平并判断各类风险的主要风险因子;考虑不同类型CCER林业碳汇项目的特征差异,对该风险评价模型进行适应性调整,纳入项目类型节点,通过贝叶斯网络的节点概率模拟功能,计算4类CCER林业碳汇项目的风险值,比较不同类型CCER林业碳汇项目的风险差异。【结果】①CCER林业碳汇项目整体风险值为1.932,四大类风险的风险水平由高到低分别为政策风险、市场风险、技术风险和自然风险,风险值分别为2.150、2.022、1.925、1.546;②CCER林业碳汇项目中政策风险的主要风险因子为林业碳汇交易规则变化、国家减排政策变化;市场风险的主要风险因子为劳动力价格上涨、土地租金上涨;技术风险的主要风险因子为项目未能获得签发、项目未能获得备案;自然风险的主要风险因子为病虫害、森林火灾;③不同类型CCER林业碳汇项目风险水平由高到低分别为碳汇造林项目、竹子造林项目、森林经营项目、竹林经营项目,风险值分别为2.221、2.121、1.954、1.705。【结论】贝叶斯网络能够综合考虑风险水平及风险影响关系两方面信息,在项目风险评价方面具有一定优势。当前条件下CCER林业碳汇项目风险水平中等,政策风险与市场风险相对较高,企业主体参与林业碳汇项目投资决策时,应密切关注碳汇市场相关政策变化,对项目风险进行科学评估;有关部门应注重降低政策不确定性引发的系统性风险,并提高碳汇市场的稳定性与活跃性;简化林业碳汇项目开发程序,以降低项目开发的交易成本。 相似文献
10.
方面级情感分析 (aspect-based sentiment analysis, ABSA) 旨在预测给定文本中特定目标的情感极性. 研究表明, 利用注意力机制对目标及其上下文进行建模, 可以获得更有效的情感分类特征表达. 然而, 目前常用的方法是通过对特定目标使用平均向量来计算该目标上下文的注意权值, 这类方法无法突出文本中个别单词对于整个句子的重要性. 因此, 提出了一种基于内联关系的方面级情感分析方法, 该方法可以对目标和上下文进行建模, 将关注点放在目标的关键词上, 以学习更有效的上下文表示. 首先使用门控循环单元 (gated recurrent unit, GRU) 对方面信息和句中单词进行融合分布式表达; 然后将分布式表达输入到结合注意力机制的长短时记忆网络 (long short-term memory network, LSTM), 通过查询机制来增加内联关系的权重, 最终得到方面级情感分类. 该模型在公开数据集上进行的实验结果表明, 该方法是有效的, 精确度均超过基线模型. 相似文献