全文获取类型
收费全文 | 105485篇 |
免费 | 6187篇 |
国内免费 | 4319篇 |
学科分类
工业技术 | 115991篇 |
出版年
2024年 | 526篇 |
2023年 | 2109篇 |
2022年 | 2260篇 |
2021年 | 2078篇 |
2020年 | 2658篇 |
2019年 | 3350篇 |
2018年 | 3434篇 |
2017年 | 1548篇 |
2016年 | 1986篇 |
2015年 | 2375篇 |
2014年 | 6342篇 |
2013年 | 4125篇 |
2012年 | 4751篇 |
2011年 | 4585篇 |
2010年 | 4353篇 |
2009年 | 4495篇 |
2008年 | 4410篇 |
2007年 | 4657篇 |
2006年 | 4197篇 |
2005年 | 4045篇 |
2004年 | 3830篇 |
2003年 | 3519篇 |
2002年 | 2900篇 |
2001年 | 2844篇 |
2000年 | 3083篇 |
1999年 | 3286篇 |
1998年 | 2987篇 |
1997年 | 2967篇 |
1996年 | 2846篇 |
1995年 | 2540篇 |
1994年 | 2474篇 |
1993年 | 2044篇 |
1992年 | 2125篇 |
1991年 | 1967篇 |
1990年 | 1845篇 |
1989年 | 1496篇 |
1988年 | 577篇 |
1987年 | 714篇 |
1986年 | 527篇 |
1985年 | 568篇 |
1984年 | 491篇 |
1983年 | 492篇 |
1982年 | 375篇 |
1981年 | 323篇 |
1980年 | 245篇 |
1979年 | 151篇 |
1978年 | 70篇 |
1965年 | 45篇 |
1959年 | 36篇 |
1958年 | 40篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
22.
23.
24.
为表征低阶煤颗粒-气/油泡间矿化过程的差异,通过Sutherland理论下固体颗粒进入泡沫产品的总概率(E)和浮选速率常数(k)之间关系,并结合低阶煤颗粒-气/油泡的浮选速率试验,求得了低阶煤颗粒-气/油泡间的诱导时间。浮选实验研究表明,在相同的捕收剂消耗量下低阶煤-油泡浮选产率均高于低阶煤-气泡浮选产率。诱导时间测试表明,低阶煤颗粒-油泡间的诱导时间(35 ms)要明显低于低阶煤颗粒-气泡间的诱导时间(93 ms)。上述实验结果表明,油泡表面的疏水性要强于传统浮选气泡表面的疏水性。然而,进一步利用Sutherland理论中固体颗粒进入泡沫产品的总概率和浮选速率常数之间的数学关系,并结合低阶煤颗粒-气/油泡的浮选速率试验求得的低阶煤颗粒-气/油泡间的诱导时间分别为9.67和8.46 ms,其与诱导时间测试仪分别测量的诱导时间差异很大。这主要是由于在实际浮选过程中气/油泡的上升速度分别为23.26和22.68 cm/s,其远高于2015EZ型诱导时间仪测试过程中气/油泡碰撞速度(2.0 cm/s)。因此,诱导时间理论计算表明气泡-颗粒间的碰撞速度对颗粒-气泡间的诱导时间影响很大。上述研究结果表明油泡浮选效果优于传统浮选的内在原因在于低阶煤颗粒-油泡间的诱导时间小于低阶煤颗粒-气泡间的诱导时间。 相似文献
25.
26.
正闲适礼赞博斯坦利人行桥与日落休息台由埃夫伦巴布什建筑事务所设计,是"伊兹密尔海"海岸振兴项目中"海岸相视"概念的一部分。这两座建筑选址接近且相互参照,在这特别的几何形海岸线上打造出新型综合海岸景观。博斯坦利溪经由此处流入海湾,而城市记忆也在此交汇。这里已成为伊兹密尔的卡尔舍亚卡市深受大众喜爱的景点之一——自2016年7月开放以来吸引了该市各区域的居民前来。 相似文献
29.
番茄叶病种类多、成因复杂,其预防和识别难度较大。传统基于机器学习的方法多靠人工识别,需要一定的专家经验,且具有主观性强、识别准确率不高等缺点。为实现番茄叶病特征的自动提取,并提高识别准确率,提出一种基于深度学习的番茄叶病识别模型。该模型基于卷积神经网络对番茄叶部病害特征进行自动提取,获得高维特征后,采用PCA降维算法去除冗余特征;从增大类间距离并减小类内距离的角度改进了softmax分类器,提高了识别准确率。将该模型在CrowdAI提供的数据集上进行了仿真验证,结果表明,该模型能够对番茄叶部常见10种病害进行自动提取特征和识别,综合识别准确率达到95%以上。 相似文献
30.
为解决多目标优化问题,对经典的蚁狮算法进行改进,提出了基于差分进化的准对立学习多目标蚁狮算法(DEQOMALO)。该算法针对蚁狮算法易陷入局部最优的不足,一方面,该算法引用差分进化的思想,充分利用种群和精英蚁狮的信息对原算法中蚂蚁个体的位置更新方式进行改进;另一方面采用反向学习策略对蚂蚁种群进行优化,将原种群个体和其准对立个体进行混合并择优作为新的种群,大大增加种群的多样性。选取典型的标准测试函数,将提出的算法与原始蚁狮算法以及其他传统进化策略优化的蚁狮算法进行比较。实验结果表明,改进算法在收敛性和分布性上均有很大程度的提升,在解决双目标优化问题上具有较好的鲁棒性和有效性。 相似文献