全文获取类型
收费全文 | 310篇 |
免费 | 27篇 |
国内免费 | 9篇 |
专业分类
系统科学 | 23篇 |
丛书文集 | 15篇 |
教育与普及 | 8篇 |
理论与方法论 | 1篇 |
现状及发展 | 11篇 |
综合类 | 288篇 |
出版年
2024年 | 1篇 |
2023年 | 12篇 |
2022年 | 11篇 |
2021年 | 8篇 |
2020年 | 11篇 |
2019年 | 17篇 |
2018年 | 17篇 |
2017年 | 7篇 |
2016年 | 2篇 |
2015年 | 11篇 |
2014年 | 19篇 |
2013年 | 25篇 |
2012年 | 25篇 |
2011年 | 23篇 |
2010年 | 15篇 |
2009年 | 18篇 |
2008年 | 25篇 |
2007年 | 34篇 |
2006年 | 23篇 |
2005年 | 15篇 |
2004年 | 3篇 |
2003年 | 6篇 |
2002年 | 7篇 |
2001年 | 3篇 |
2000年 | 4篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1976年 | 1篇 |
1964年 | 1篇 |
排序方式: 共有346条查询结果,搜索用时 0 毫秒
341.
太原市污泥资源化和无害化研究 总被引:1,自引:0,他引:1
城市污泥是城市污水处理不可避免的产物。比较和研究了几种污泥处理和处置的方法,并根据太原市污水处理厂现有状况提出了一些可行的方法和措施,为太原市污泥资源化、无害化提供了合理的建议。 相似文献
342.
大规模地震发生后,在时间有限且信息缺乏的情况下,以大样本为建模基础构建的传统预测模型难以实现对应急救援物资的快速准确预测.基于此,以灰色建模理论为基础,提出并构建一种基于新陈代谢的GM(1,1)灰色动态预测模型,利用其“去掉老信息,利用新信息”的建模特性,分析并预测地震灾区死亡人数的动态变化,进而预测相应地应急救援物资需求.将该模型应用于预测我国青海玉树地震灾区物资需求的数量,取得了较好的预测效果.研究成果对丰富与完善灰色预测模型的理论体系,实现大规模地震灾区应急救援物资需求的预测,具有重要的理论意义和应用价值. 相似文献
343.
以高负荷风扇的末级静叶为研究对象,提出一种扇形叶栅实验方法,可以在不考虑动叶的情况下模拟静叶在压气机级内的进口气流条件,从而实现真实的静叶性能研究。利用数值模拟方法分析该方法的可行性,然后对静叶的气动性能展开详细研究,分析不同来流马赫数下的静叶流场参数。结果表明:本文提出的实验方法可以为静叶提供接近真实动叶出口条件的气流参数,该研究静叶的方法用于实验是可行的。对静叶的气动性能分析发现,进口马赫数变化对静叶中径附近20%~60%叶高影响较大,尤其是40%叶高处流场结构和参数受来流马赫数的影响最大。 相似文献
344.
针对传统核匹配追踪(kernel matching pursuit,KMP)学习机只能解决二类分类问题的不足,结合纠错输出编码〖JP3〗(error correcting output codes,ECOC)的思想,提出了一种基于Hadamard纠错码的核匹配追踪多类分类方法。该算法通过Hadmard纠错码将核匹配追踪算法推广到多类分类领域,并利用纠错码本身具备的纠错能力提高了分类器的泛化性能。实验中分别对UCI数据集和3种典型空天目标的高分辨一维距离像(high resolution range profile,HRRP)数据集进行测试,通过与2种经典的编码方法进行比较,结果表明该编码方法可以显著提高分类器的性能和鲁棒性。 相似文献
345.
不同干燥方法下西洋参的挥发性成分研究 总被引:1,自引:0,他引:1
基于气相离子迁移谱,对烘干和冻干处理的西洋参进行了挥发性成分研究。通过气相保留时间和迁移时间在西洋参中共定性出52种挥发性成分,包括11种醇类、8种酮类、12种醛类、5种吡嗪类、5种酯类、4种酸类、2种烯烃类等。主成分分析显示不同干燥方法对西洋参的挥发性成分有很大影响。对比冻干处理的西洋参,烘干处理的西洋参中酯类、酸类、酮类、烯烃类、吡嗪类挥发性成分的质量分数上升,而醛类和醇类的质量分数下降。其中,酯类(乳酸乙酯、丙酸乙酯、乙基-2-甲基丙酸酯、乙酸戊酯)、酸类(2-甲基丁酸)、酮类(2-戊酮、羟基丙酮、2,3-戊二酮)、烯烃类(苯乙烯、α-蒎烯)和吡嗪类(2,6-二甲基吡嗪、2-乙基吡嗪、2,5-二甲基吡嗪)在烘干西洋参中的质量分数显著升高。醛类(辛醛、糠醛、壬醛、庚醛、(E)-2-庚烯醛)和醇类(己醇、(E)-03-己烯-1-醇、(Z)-3-己烯-1-醇)在冻干西洋参中的质量分数显著升高。 相似文献
346.
针对基于编码-解码的生成式摘要模型不能充分提取语法知识导致摘要出现不符合语法规则的问题,循环神经网络易遗忘历史信息且训练时无法并行计算导致处理长文本时生成的摘要主旨不显著以及编码速度慢的问题,提出了一种融合序列语法知识的卷积-自注意力生成式摘要方法.该方法对文本构建短语结构树,将语法知识序列化并嵌入到编码器中,使编码时能充分利用语法信息;使用卷积-自注意力模型替换循环神经网络进行编码,更好学习文本的全局和局部信息.在CNN/Daily Mail语料上进行实验,结果表明提出的方法优于当前先进方法,生成的摘要更符合语法规则、主旨更显著且模型的编码速度更快. 相似文献