全文获取类型
收费全文 | 23356篇 |
免费 | 603篇 |
国内免费 | 639篇 |
专业分类
系统科学 | 603篇 |
丛书文集 | 1097篇 |
教育与普及 | 792篇 |
理论与方法论 | 195篇 |
现状及发展 | 104篇 |
研究方法 | 1篇 |
综合类 | 21806篇 |
出版年
2024年 | 41篇 |
2023年 | 156篇 |
2022年 | 184篇 |
2021年 | 183篇 |
2020年 | 218篇 |
2019年 | 260篇 |
2018年 | 156篇 |
2017年 | 227篇 |
2016年 | 254篇 |
2015年 | 486篇 |
2014年 | 1129篇 |
2013年 | 1098篇 |
2012年 | 1433篇 |
2011年 | 1605篇 |
2010年 | 1633篇 |
2009年 | 1700篇 |
2008年 | 1882篇 |
2007年 | 1773篇 |
2006年 | 1212篇 |
2005年 | 1074篇 |
2004年 | 921篇 |
2003年 | 968篇 |
2002年 | 860篇 |
2001年 | 895篇 |
2000年 | 637篇 |
1999年 | 544篇 |
1998年 | 433篇 |
1997年 | 444篇 |
1996年 | 351篇 |
1995年 | 345篇 |
1994年 | 305篇 |
1993年 | 220篇 |
1992年 | 234篇 |
1991年 | 202篇 |
1990年 | 158篇 |
1989年 | 143篇 |
1988年 | 101篇 |
1987年 | 61篇 |
1986年 | 37篇 |
1985年 | 17篇 |
1984年 | 2篇 |
1983年 | 4篇 |
1982年 | 4篇 |
1981年 | 2篇 |
1980年 | 3篇 |
1957年 | 2篇 |
1944年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
以122型为代表的铁基超导体在临界电流密度、上临界场以及各向异性方面具有较大的优势,引发了新一轮研究热潮.目前,虽然122型线带材的性能已达到实用化水平,但该体系仍存超导相非均匀分布等问题,限制了其载流性能的提升.新发现的具有化学计量比的1144型超导材料具有更好的均匀性、独特的钉扎特性以及更高的载流性能,使其适合于高场应用.本文简述了1144材料的结构和超导特性,并详细分析了单晶、多晶及超导线带材制备工艺的优化,以及性能提升的方法.同时,为提高1144型铁基超导线带材的临界电流密度,讨论了改善晶粒连接性和超导相纯度的途径. 相似文献
2.
以粳米和糯米为对照,研究了溶出固形物对软米硬度和黏弹性的影响。分析发现软米溶出固形物质量分数为11.85%,显著高于粳米和糯米(P<0.05),与弹性显著正相关(P<0.05);与粳米和糯米相比,软米中的固形物直支链淀粉比最低,利于形成连续凝胶网结构。此外,软米溶出淀粉侧链中聚合度为6~12的短链A链比例最高,赋予其较好的黏弹性。质构和流变分析结果表明:除溶出固形物后,软米的硬度显著增加,黏硬比和弹性显著降低。扫描电子显微镜结果表明:除溶出固形物后米粒表面粗糙、凹凸不平,有明显的孔洞;软米表面所形成的渔网状孔洞状结构能够对饭粒起到支撑作用,使得整个饭粒弹性更好。溶出固形物含量、组成、分子结构及其在米饭表面分布的差异是软米较低硬度和较好黏弹性优势产生的主要原因。 相似文献
3.
针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。 相似文献
4.
5.
6.
7.
通过分析域k上n元多项式代数在其不变子环上基的性质, 并对n阶对称群做相应的划分, 得到四元多项式代数的判别式. 相似文献
8.
9.
10.
为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F1值;相比于其他方法,基于预训练模型方法的性能得到提高. 相似文献