全文获取类型
收费全文 | 12005篇 |
免费 | 1636篇 |
国内免费 | 1234篇 |
学科分类
工业技术 | 14875篇 |
出版年
2024年 | 64篇 |
2023年 | 303篇 |
2022年 | 342篇 |
2021年 | 480篇 |
2020年 | 479篇 |
2019年 | 537篇 |
2018年 | 343篇 |
2017年 | 448篇 |
2016年 | 537篇 |
2015年 | 605篇 |
2014年 | 771篇 |
2013年 | 759篇 |
2012年 | 840篇 |
2011年 | 881篇 |
2010年 | 874篇 |
2009年 | 800篇 |
2008年 | 854篇 |
2007年 | 754篇 |
2006年 | 543篇 |
2005年 | 539篇 |
2004年 | 411篇 |
2003年 | 355篇 |
2002年 | 288篇 |
2001年 | 277篇 |
2000年 | 245篇 |
1999年 | 214篇 |
1998年 | 187篇 |
1997年 | 179篇 |
1996年 | 154篇 |
1995年 | 148篇 |
1994年 | 122篇 |
1993年 | 96篇 |
1992年 | 110篇 |
1991年 | 83篇 |
1990年 | 94篇 |
1989年 | 100篇 |
1988年 | 27篇 |
1987年 | 11篇 |
1986年 | 4篇 |
1985年 | 3篇 |
1984年 | 2篇 |
1983年 | 4篇 |
1982年 | 3篇 |
1980年 | 1篇 |
1979年 | 1篇 |
1959年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 109 毫秒
11.
本文采用二维特征模型模拟不同无燃料区厚度全陶瓷微封装弥散(FCM)燃料的热力学行为,在保证堆芯装载要求的条件下,研究不同结构FCM燃料SiC基体和包覆燃料颗粒SiC层的应力状态。通过优化无燃料区厚度,调整TRISO颗粒间的间距,保证无燃料区和SiC层同时具有较低的应力水平。分析了无燃料区厚度为100 ~ 500 μm时基体SiC、无燃料区以及SiC层的应力分布,结果表明,基体SiC和SiC层最大应力随无燃料区厚度增大而增大,而无燃料区的最大应力则随其厚度增大而降低。当无燃料区厚度为400 μm时,无燃料区和SiC层均处于较低的应力状态,无燃料区SiC基体应力约为400 MPa,而SiC层的最大环向应力约为200 MPa,其失效概率约为2.5×10-4。因此,当无燃料区厚度为400 μm时,FCM燃料既能维持芯块结构完整,又能保证SiC层具有较低的失效概率。结构优化为FCM燃料的应用提供了基础。 相似文献
12.
在无故障数据情况下,将失效概率结合Bayes理论引入置信限,分析了修正后的数据Weibull分布中单侧置信可靠性。其方法是:首先基于Weibull分布采用配分布曲线法进行分析,构造出多层先验分布给出失效概率的综合EBayes估计,结合最小二乘法拟合得到分布参数的估计值;根据参数的统计性质构造置信区间的枢轴量,同时,给出Weibull分布特征参数的区间估计和可靠度置信下限。以经典轴承试验为例,将此方法与其它方法计算结果进行对比,证明了该方法对置信可靠性评估的合理性和可行性。 相似文献
13.
《计算机应用与软件》2019,(8)
考虑n人非合作博弈Nash均衡求解问题。将混合策略意义下的Nash均衡转化为最优化问题;把免疫记忆、自我进化、信息共享机制加入量子粒子群算法,通过概率浓度选择公式来保持种群的多样性,提出协同免疫量子粒子群算法。4个经典的数值算例说明,该算法优于免疫粒子群算法,具有较强的寻优能力和收敛性能。 相似文献
16.
17.
18.
19.
20.
针对推荐精度不准确、数据稀疏、恶意推荐的问题,提出融合信任基于概率矩阵分解(PMF)的新推荐模型。首先,通过建立基于信任的协同过滤模型(CFMTS)将改进的信任机制融入到协同过滤推荐算法中。信任值通过全局信任及局部信任计算获得,其中局部信任利用了信任传播机制计算用户的直接信任值和间接信任值得到,全局信任采用信任有向图的方式计算得到。然后,将信任值与评分相似度融合以解决数据稀疏、恶意推荐的问题。同时,将CFMTS融入到PMF模型中以建立新的推荐模型——融合信任基于概率矩阵分解模型(MPMFFT),通过梯度下降算法对用户特征向量和项目特征向量进行计算以产生预测评分值,进一步提高推荐系统的精准度。通过实验将提出的MPMFFT与经典的PMF、社交信息的矩阵分解(SocialMF)、社交信息的推荐(SoRec)、加权社交信息的推荐(RSTE)等模型进行了结果的对比和分析,在公开的真实数据集Epinions上MPMFFT的平均绝对误差(MAE)和均方根误差(RMSE)比最优的RSTE模型分别降低2.9%和1.5%,同时在公开的真实数据集Ciao上MPMFFT的MAE和RMSE比最优的SocialMF模型分别降低1.1%和1.8%,结果证实了模型能在一定程度上解决数据稀疏、恶意推荐问题,有效提高推荐质量。 相似文献