首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   131篇
  免费   0篇
  国内免费   1篇
系统科学   1篇
综合类   131篇
  2023年   4篇
  2022年   4篇
  2020年   2篇
  2019年   5篇
  2018年   1篇
  2014年   5篇
  2013年   13篇
  2012年   5篇
  2011年   11篇
  2010年   8篇
  2009年   4篇
  2008年   11篇
  2007年   8篇
  2006年   5篇
  2005年   9篇
  2004年   6篇
  2003年   1篇
  2002年   4篇
  2001年   2篇
  2000年   3篇
  1999年   1篇
  1998年   3篇
  1997年   3篇
  1996年   3篇
  1995年   3篇
  1994年   1篇
  1993年   2篇
  1991年   1篇
  1990年   4篇
排序方式: 共有132条查询结果,搜索用时 7 毫秒
81.
公元7、8世纪的藏语与藏文应该具有更加紧密的对应关系,如今藏语的各个方言都发生了很大的分化。本文把拉萨话和同仁话及书面语的格助词作比较,说明格助词la,gi,nas,gis和na等藏语不同方言中变化、用法及区别。  相似文献   
82.
加强西藏农村基层组织建设和干部管理工作,既是建设农村小康社会的需要,也是构建和谐西藏、平安西藏的需要,同时也是提高农村基层组织建设整体水平的需要。解放思想,大胆实践,积极探索市场经济条件下西藏农村基层党组织建设和干部管理的新路子,是每一个西藏人应该考虑的重要问题。  相似文献   
83.
两种藏药雪莲花的元素测定   总被引:4,自引:0,他引:4  
本文利用原子吸收分光光度法(AAS)和高频电感耦合等离子体发射光谱法(ICP-AES)测定了苞叶雪莲和水母雪兔子两种不同的藏药雪莲花中的K、Na、Ca、Ng、Fe、Mn、Cu、Zn、Cr等9种生命无机元素和Pb、Cd等有害元素的含量,结果表明苞叶雪莲中K、Zn、Cu含量较高,水母雪兔子中Ca、Mn、Fe、含量较高,两者中Pb、Cd含量都极低,为进一步研究藏药雪莲的利用提供了重要的依据.  相似文献   
84.
本文在紧度量空间中,讨论了压缩型映象的不动点问题,推广和改进了某些已知结果。  相似文献   
85.
随着互联网技术和通信技术在西藏的发展及宽带网络的普及,各类高性能网络和通信电子设备也已经悄然走进了我区各行各业,通信与网络技术的日新月异正在改变着当代西藏高校的教育方式、生活方式和思想意识.文章基于局域网环境,根据Windows操作系统为主的网络通信协议,分析了师生在信息交换时使用一般网络进行简单迅速的处理所遇到的网络故障,并提出了解决的技巧和办法.  相似文献   
86.
文章阐述了西藏大学地震网利用意大利SARA公司生产的三项短波数字地震仪(SR97/S3),对2006年4月20日在西藏班戈县发生的里氏5.6级地震的观测结果和实地灾情调研的详细结果。并介绍了西藏班戈地带近年来发生的大地震的概况。实地考察发现,班戈县10个乡镇中的8个乡镇造成不同程度的影响;部分牧民住房被倒塌,部分新建房屋出现了裂痕;造成少量牲畜死亡,没有人员伤亡。  相似文献   
87.
如何向用户提高准确高效的检索功能是民文数字图书馆的核心课题.在建立检索系统的过程中,索引的建立与检索优化是两个关键的技术,本文通过对索引建立和检索优化的研究,为民文数字图书馆检索系统的建设起到了基础作用.  相似文献   
88.
通过对我院本科课程结构现状和存在问题的分析,提出了课程结构改革的建议和思路。  相似文献   
89.
义务教育阶段的物理教学作为物理学习基础阶段和启蒙阶段,在这一阶段抓好学生的的物理教学质量是提高民族地区物理教育质量的基础.针对民族寄宿制初中的双语物理教学中存在的问题及提高的途径进行分析,为民族地区物理教学质量的提高提供参考.  相似文献   
90.
藏文命名实体识别是藏语自然语言处理的基础任务,是完成机器翻译、网络舆情检测和知识图谱构建等任务的前提.传统的基于深度学习的藏文命名实体识别将藏文音节(字嵌入)作为模型输入的方法容易忽略藏文音节的局部特征.针对这一问题,本文提出了一种融合构成藏文音节部件特征和藏文音节特征的藏文命名实体识别神经网络模型SL-BiLSTM-CRF(syllable level long short-term memory conditional random field).其中,SL模块对构成音节的部件信息和藏文的单个音节进行特征编码,将两种不同模态的特征融合之后送入BiLSTM模型进行特征提取并预测实体标签,再通过CRF对BiLSTM模型的预测结果进行矫正,最终输出藏文实体识别结果.实验证明,该方法在藏文命名实体识别任务中相比基于单个藏文音节(字嵌入)的BiLSTM-CRF模型的F1值提高了1.58个百分点,验证了该方法在藏文命名实体识别任务中的有效性.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号