全文获取类型
收费全文 | 6129篇 |
免费 | 699篇 |
国内免费 | 490篇 |
学科分类
工业技术 | 7318篇 |
出版年
2024年 | 22篇 |
2023年 | 505篇 |
2022年 | 562篇 |
2021年 | 561篇 |
2020年 | 436篇 |
2019年 | 355篇 |
2018年 | 112篇 |
2017年 | 109篇 |
2016年 | 88篇 |
2015年 | 164篇 |
2014年 | 371篇 |
2013年 | 353篇 |
2012年 | 417篇 |
2011年 | 498篇 |
2010年 | 357篇 |
2009年 | 391篇 |
2008年 | 405篇 |
2007年 | 301篇 |
2006年 | 233篇 |
2005年 | 219篇 |
2004年 | 146篇 |
2003年 | 115篇 |
2002年 | 104篇 |
2001年 | 53篇 |
2000年 | 78篇 |
1999年 | 51篇 |
1998年 | 56篇 |
1997年 | 56篇 |
1996年 | 34篇 |
1995年 | 37篇 |
1994年 | 28篇 |
1993年 | 19篇 |
1992年 | 23篇 |
1991年 | 25篇 |
1990年 | 18篇 |
1989年 | 11篇 |
1988年 | 3篇 |
1987年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有7318条查询结果,搜索用时 15 毫秒
1.
装配工艺文档蕴含要素层次多样、关系复杂的工艺语义信息,它们以自然文本存在,无标准或规范约束,在评估装配工艺可执行性和指导装配作业时面临巨大挑战.鉴于此,提出一种基于长短期记忆网络(LSTM)的装配工艺语义识别方法,抽取装配工艺文档语义要素,建立装配工艺语义信息的知识化描述.首先定义装配语义并规定其知识图谱的描述形式.然后通过装配语素分解、装配词素分类与关系构建,得到装配工艺知识图谱.以某型航空发动机压气机转子部件的装配工艺文档为例,自动识别其装配语义并得到知识化描述.其中,对装配实体的语义识别率为93.7%,装配关系的语义识别率为94.8%,得到装配工艺知识图谱,证明了方法的有效性. 相似文献
2.
针对标准长短期记忆(long short-term memory,LSTM)神经网络用于时间序列预测具有耗时长、复杂度高等问题,提出简化型LSTM神经网络并应用于时间序列预测.首先,通过耦合输入门与遗忘门实现对标准LSTM神经网络的结构简化;其次,从门结构控制方程中消除输入信号与偏差实现进一步精简;然后,采用梯度下降算法更新简化型LSTM神经网络的参数;最后,通过2个时间序列基准数据集及污水处理过程出水生化需氧量(biochemical oxygen demand,BOD)质量浓度预测进行实验验证.结果表明:在不显著降低预测精度的情况下,所设计的模型能够缩短训练时间,减少LSTM神经网络的计算复杂度,实现时间序列的预测. 相似文献
3.
现代信息技术的广泛应用使得资本市场投资者能够获得更及时、更有价值的信息,也更容易受到金融论坛、专业投资网站的影响。融合资本市场的多源异构数据对股票指数进行预测成为该领域的研究热点。提出了一种基于多源异构数据的长短期神经网络(Long Short-Term Memory,LSTM)模型,通过对融合资本市场交易数据、技术指标数据、投资者情绪三种源数据的量化来预测股票指数的走势。提出了一种可以提取深度情感特征的卷积神经网络(Convolutional Neural Networks,CNN)情感分析模型,构建了投资者情绪特征模型。利用“上证50指数”数据进行实验,结果显示:LSTM模型的预测准确率比传统模型更为优秀,数据源的增加也对模型准确率的提升有较大贡献,验证了该方法的可行性和有效性。 相似文献
4.
探讨茯苓对小鼠学习记忆功能改善的影响。将130只昆明小鼠随机分为阴性对照组,生茯苓粉低、高剂量组,熟茯苓粉低、高剂量组,茯苓代培粉低、高剂量组,茯苓水提物低、中、高剂量组,茯苓醇提物低、中、高剂量组,每组10只,连续灌胃给药30 d,1次/d。末次给药次日,通过水迷宫实验、跳台实验、避暗实验,观察茯苓对小鼠学习记忆功能的改善效果。结果显示:茯苓可显著增强小鼠记忆获得能力,降低跳台测试和记忆消退错误反应率,延长跳台记忆消退潜伏期,降低避暗测试错误反应率,差异有统计学意义(均P<0.05)。表明茯苓对小鼠学习记忆功能有一定改善作用。 相似文献
5.
跨语言短文本情感分析作为自然语言处理领域的一项重要的任务, 近年来备受关注. 跨语言情感分析能够利用资源丰富的源语言标注数据对资源匮乏的目标语言数据进行情感分析, 建立语言之间的联系是该任务的核心.与传统的机器翻译建立联系方法相比, 迁移学习更胜一筹, 而高质量的跨语言文本向量则会提升迁移效果. 本文提出LAAE网络模型, 该模型通过长短记忆网络(LSTM)和对抗式自编码器(AAE)获得含上下文情感信息的跨语言向量, 然后利用双向GRU (Gated Recurrent Unite)进行后续情感分类任务. 其中, 分类器首先在源语言上进行训练,最后迁移到目标语言上进行分类任务. 本方法的有效性体现在实验结果中. 相似文献
6.
语义槽填充是对话系统中一项非常重要的任务,旨在为输入句子的每个单词标注正确的标签,其性能的好坏极大地影响着后续的对话管理模块。目前,使用深度学习方法解决该任务时,一般利用随机词向量或者预训练词向量作为模型的初始化词向量。但是,随机词向量存在不具备语义和语法信息的缺点;预训练词向量存在“一词一义”的缺点,无法为模型提供具备上下文依赖的词向量。针对该问题,提出了一种基于预训练模型BERT和长短期记忆网络的深度学习模型。该模型使用基于Transformer的双向编码表征模型(Bidirectional Encoder Representations from Transformers,BERT)产生具备上下文依赖的词向量,并将其作为双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)的输入,最后利用Softmax函数和条件随机场进行解码。将预训练模型BERT和BiLSTM网络作为整体进行训练,达到了提升语义槽填充任务性能的目的。在MIT Restaurant Corpus,MIT Movie Corpus和MIT Movie trivial Corpus 3个数据集上,所提模型得出了良好的结果,最大F1值分别为78.74%,87.60%和71.54%。实验结果表明,所提模型显著提升了语义槽填充任务的F1值。 相似文献
7.
为解决换流站阀冷系统状态缺乏智能预测手段和极端工况下冷却能力是否充裕难以评估的问题,提出基于长短期记忆网络(long short-term memory, LSTM)的换流阀冷却裕度预测方法。在阀冷系统冷却裕度指标量化评估的基础上,考虑多源影响因素,通过相关性强弱选择特征量并构建数据样本集,利用长短时记忆网络建立预测模型,并基于大量实际样本数据进行训练,对入水温度和冷却裕度发展趋势做出预测、提前预警,同时提供极端工况下冷却裕度的分析模型,为现场处理决策提供依据。通过穗东换流站的实例分析,验证了算法的有效性和可行性。 相似文献
8.
电网故障处置预案是电网故障处置的重要参考,对电网故障处置预案文本中各类电力设备、名称编号等细粒度的关键实体信息进行抽取,是实现计算机学习理解预案内容并进一步支撑故障处置智能化的重要基础。文中提出一种基于深度学习的电网故障处置预案文本命名实体识别技术,首先采用字向量表征预案文本,然后将注意力机制以及双向长短期记忆网络相结合,有所侧重地提取实体词深层字符特征,最后采用条件随机场求解最优序列化的标注。算例表明:文中所提预案文本命名实体识别模型不依赖人工特征,能够自动高效地提取文本特征,准确识别预案文本中细粒度的实体词,满足预案文本中关键实体信息精确定位和识别的要求。 相似文献
9.
随着教育信息化程度的不断加深,以预测学生知识状态为目标的知识追踪正成为个性化教育中一项重要且富有挑战性的任务。知识追踪作为一项教育数据挖掘的时间序列任务,与深度学习模型强大的特征提取和建模能力相结合,在处理顺序任务时具有得天独厚的优势。为此,简要分析传统知识追踪模型的特点及局限性,以深度知识追踪发展历程为主线,总结基于循环神经网络、记忆增强神经网络、图神经网络的知识追踪模型及其改进模型,并对该领域的已有模型按照方法策略归类整理。同时梳理了可供研究者使用的公开数据集和模型评估指标,比较和分析不同建模方法的特点。对基于深度学习的知识追踪的未来发展方向进行探讨和展望,奠定进一步深入基于深度知识追踪研究的基础。 相似文献
10.
为了更好地分析限价指令簿(LOBs)的趋势,文中提出面向LOBs趋势分析的网络集成模型(NEM-LOB).模型融合2个长短期记忆(LSTM)子模型和1个卷积神经网络(CNN)子模型.一个LSTM子模型可通过LOBs的分布信息捕捉全局时间依赖性,另一个LSTM子模型可通过LOBs和订单流的动态信息捕捉全局动态性.CNN子模型通过LOBs的事实信息提取局部特征.最后,结合3个子模型,提取特征以获得预测结果.在FI-2010数据集上的实验表明NEM-LOB通过引入订单流信息,能对LOBs进行更好的趋势分析. 相似文献