全文获取类型
收费全文 | 124891篇 |
免费 | 12586篇 |
国内免费 | 10502篇 |
学科分类
工业技术 | 147979篇 |
出版年
2024年 | 1730篇 |
2023年 | 5470篇 |
2022年 | 5300篇 |
2021年 | 6326篇 |
2020年 | 5476篇 |
2019年 | 5721篇 |
2018年 | 2787篇 |
2017年 | 3308篇 |
2016年 | 3543篇 |
2015年 | 4175篇 |
2014年 | 7163篇 |
2013年 | 5792篇 |
2012年 | 6983篇 |
2011年 | 7277篇 |
2010年 | 6910篇 |
2009年 | 7565篇 |
2008年 | 8385篇 |
2007年 | 7919篇 |
2006年 | 6437篇 |
2005年 | 6351篇 |
2004年 | 5363篇 |
2003年 | 4539篇 |
2002年 | 3786篇 |
2001年 | 3243篇 |
2000年 | 2783篇 |
1999年 | 2409篇 |
1998年 | 2097篇 |
1997年 | 1800篇 |
1996年 | 1656篇 |
1995年 | 1371篇 |
1994年 | 1074篇 |
1993年 | 799篇 |
1992年 | 705篇 |
1991年 | 520篇 |
1990年 | 445篇 |
1989年 | 536篇 |
1988年 | 103篇 |
1987年 | 42篇 |
1986年 | 34篇 |
1985年 | 16篇 |
1984年 | 5篇 |
1983年 | 12篇 |
1982年 | 3篇 |
1981年 | 4篇 |
1980年 | 5篇 |
1977年 | 2篇 |
1965年 | 1篇 |
1959年 | 2篇 |
1951年 | 5篇 |
1946年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
5G蜂窝网络发展迅猛,其覆盖面积将逐渐增大,因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位,以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络,并根据5G天线信号的接收信号强度指示、相位和到达角等特征量,选择合适的输入数据格式构造样本组建训练集,对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库,非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间,但在训练完毕后直接进行分类定位的速度非常快,可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB,且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。 相似文献
2.
急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72%,精度达到99.53%,灵敏度达到100.00%,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1%,该项研究具有非常重要的临床应用价值. 相似文献
3.
随着互联网规模的不断扩大以及应用场景的多元化,传统网络无法很好地满足新业务的动态多样化需求,因此国内外对未来网络展开了深入研究.本文首先介绍了未来互联网体系架构的研究现状.其次,介绍了具备"三层、两域"特征的智慧标识网络(Smart Identifier NETwork,SINET)体系架构,然后重点阐述了SINET服务机理在服务的命名与解析、路由机制、服务缓存、移动性、传输控制机制、可扩展性、绿色节能等关键技术方面取得的研究进展,并进一步详细分析了SINET服务机理的安全性.最后总结了SINET面临的挑战,对SINET服务机理在大规模场景部署中可能存在的问题做出讨论. 相似文献
5.
6.
7.
恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97%. 相似文献
9.
10.