全文获取类型
收费全文 | 111篇 |
免费 | 9篇 |
国内免费 | 2篇 |
专业分类
系统科学 | 2篇 |
丛书文集 | 8篇 |
教育与普及 | 8篇 |
理论与方法论 | 3篇 |
综合类 | 101篇 |
出版年
2024年 | 14篇 |
2023年 | 33篇 |
2022年 | 18篇 |
2021年 | 12篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2014年 | 2篇 |
2013年 | 2篇 |
2012年 | 2篇 |
2011年 | 3篇 |
2010年 | 3篇 |
2009年 | 7篇 |
2008年 | 4篇 |
2007年 | 2篇 |
2006年 | 2篇 |
2005年 | 3篇 |
2004年 | 2篇 |
2003年 | 3篇 |
2001年 | 1篇 |
1998年 | 1篇 |
1997年 | 1篇 |
1995年 | 1篇 |
1994年 | 3篇 |
1992年 | 1篇 |
排序方式: 共有122条查询结果,搜索用时 15 毫秒
1.
我的父母养了一群麻雀,不是在笼子里,而是在窗台上。这些“老家贼”胆子忒大,任你隔着玻璃瞪眼瞧它们,它们竟然不害怕,这群麻雀为二老的退休生活增添了无穷乐趣。每天傍晚,它们都要唧唧喳喳地飞来吃饭,然后,倦鸟投林,无论冬夏。 麻雀,是不多的几种与人亲近的鸟之一,在野外如果你看到了麻雀,就证明附近有了人家。据有经验的专家说,麻雀筑巢的技术不太高,因此要借助人们的房檐缝隙等处搭 相似文献
2.
2003年10月-2004年5月期间对九江城市及郊区麻雀种群数量与空间分布的现状及其历史变迁作了初步调查,结果表明:调查区内麻雀于20世纪80年代初期开始锐减,直至2000年,麻雀又重新出现了明显的恢复迹象,并最终形成以九江县城为消失区、在产粮区罕见以及在九江市区、蔬菜区和产棉区广布的现有空间分布格局.讨论认为这是由于农药及工业性大气污染两个环境因子的综合作用所致. 相似文献
3.
麻雀端脑听区的纤维联系 总被引:1,自引:0,他引:1
在氨基甲酸乙酯麻醉的麻雀上,用辣根过氧化物酶(HRP)顺、逆行追踪方法研究端脑听区(L)的纤维联系,结果发现:端脑听区(L)的纤维投射到端脑上纹状体腹侧尾核(HVC),并且接受丘脑卵园核(OV)的纤维投射,这就提示:端脑听区(L)除接受听觉的传导路中第四级中继站——丘脑卵园核(OV)的纤维投射外,还发现纤维投射到发声控制的高位中枢——端脑上纹状体腹侧尾核(HVC).也就是说端脑听区(L)既是听觉的高位中枢,也与发声学习关系密切. 相似文献
4.
麻雀视网膜的组织学研究 总被引:2,自引:0,他引:2
张晓红 《太原师范学院学报(自然科学版)》2004,3(1):89-91
为了研究麻雀(PAsser montanus)视网膜与其白昼活动的关系,以常见麻雀视网膜为材料,用组织学方法进行某些定量研究,并观察其结构.观察结果表明:麻雀视网膜中有大量的视锥细胞,视锥细胞分为单锥(SC)和双锥(DC)两大类,视细胞在中央区较多,在周边区较少,视锥与视杆比为9.2:1,视细胞与神经节细胞比为5:1,视网膜中视神经节细胞的密度、直径及排列方式随距离中央区的远近而变化. 相似文献
6.
2010-2011年,采用样点调查法,每月1次,对海南海口地区的3所高校海南大学、海南师范大学和海南医学院校园内的麻雀(Passer montanus)和其他鸟类进行了调查.结果显示,3所高校校园内的麻雀以海南大学最常见和最多(12只/km2),海南医学院也有一些分布(5只/km2),但海南师范大学校园没有发现麻雀.3所高校的优势鸟种均为暗绿绣眼鸟(Zosterps japoni cus)、白头鹎(Pycnonotus sinensis)和鹊鸲(Copsychus saularis).麻雀作为与人共居的鸟类,广泛分布于中国各地乡村和城镇,尤其每个城市的高校校园鸟类调查中均以麻雀为优势鸟种.在海口地区的3所高校校园,麻雀均不是优势鸟种,这也说明海南岛麻雀稀少、局部地区甚至消失的事实.而在海南岛有麻雀分布的背景下,海南师范大学校园没有发现麻雀活动这一现象实属罕见,其原因有待进一步调查. 相似文献
7.
8.
在太原地区,树麻雀幼鸟头骨骨化的完成约需130-180天,最早离巢的个体骨化过程结束于10月下旬,最晚离巢的个体结束于翌年2月上旬。用未骨化区域的面积可以估计离巢的时间。腔上囊的消失和骨化的完成基本同步,喙斑的褪却则比它们晚50天左右。所以,依喙斑确定种群中成、幼鸟比例时,8-11月可得到较为准确的结果,而腔上囊和骨化程度仅宜在8-9月使用。 相似文献
9.
10.
齿轮在工作过程中故障发生率高是造成传动机械设备故障的主要原因。通过对齿轮故障进行正确的特征提取和类型辨识,可实现对齿轮故障的有效识别。以齿轮箱9种不同的齿轮状态振动加速度信号为研究对象,我们提出一种利用主成分分析法降维,基于麻雀搜索算法优化概率神经网络特征参数的齿轮故障诊断模型,以提升概率神经网络模型的正确识别率。本文将该模型与传统概率神经网络模型、主成分分析-概率神经网络模型的正确识别率,以及改变样本数据量和添加不同噪声系数对正确识别率的影响进行对比试验,证明了该模型对齿轮故障诊断的有效性。 相似文献