全文获取类型
收费全文 | 4959篇 |
免费 | 360篇 |
国内免费 | 302篇 |
学科分类
工业技术 | 5621篇 |
出版年
2024年 | 12篇 |
2023年 | 234篇 |
2022年 | 235篇 |
2021年 | 267篇 |
2020年 | 191篇 |
2019年 | 206篇 |
2018年 | 70篇 |
2017年 | 91篇 |
2016年 | 94篇 |
2015年 | 122篇 |
2014年 | 265篇 |
2013年 | 224篇 |
2012年 | 328篇 |
2011年 | 282篇 |
2010年 | 258篇 |
2009年 | 330篇 |
2008年 | 343篇 |
2007年 | 280篇 |
2006年 | 230篇 |
2005年 | 215篇 |
2004年 | 256篇 |
2003年 | 218篇 |
2002年 | 133篇 |
2001年 | 113篇 |
2000年 | 122篇 |
1999年 | 72篇 |
1998年 | 78篇 |
1997年 | 79篇 |
1996年 | 61篇 |
1995年 | 51篇 |
1994年 | 38篇 |
1993年 | 29篇 |
1992年 | 28篇 |
1991年 | 22篇 |
1990年 | 18篇 |
1989年 | 21篇 |
1988年 | 2篇 |
1986年 | 3篇 |
排序方式: 共有5621条查询结果,搜索用时 15 毫秒
1.
为了解决传统深度自动编码器存在的过度拟合以及泛化能力弱等问题,提出一种基于深度Laplacian正则化自动编码器的不平衡旋转机械故障诊断。首先将采集到的振动信号输入到构造的深度Laplacian正则化自动编码器模型中进行逐层特征提取,将Laplacian正则化项引入到深度自动编码器的原始目标函数中,以平滑故障诊断模型中数据的流形结构,从而提高故障诊断框架的泛化性能,然后利用BP分类器对提取的深层判别敏感特征流进行故障诊断。最后通过CWRU故障数据集实验结果证明提出的方法能够实现旋转机械平衡与不平衡数据集的精确故障诊断没并且具有较好的泛化性能。 相似文献
2.
针对某核化项目产品容器转运装置传送臂定位角偏差大,导致两侧辐射防护屏敝门无法正常关闭、密封,存在放射性扩散风险的问题,从传送臂行走速度、位置检测装置、编码器选型3个方面进行现场调查和理论分析,并针对这3个方面进行了改进。改进后的试验结果表明:传送臂定位角偏差满足设计要求,改进方法对其他旋转设备自动定位具有一定的参考价值。 相似文献
3.
建立了深度学习模型SAE-GAN,该模型融合了SAE、Item2vec以及GAN技术.GAN判别器采用三层感知机模型判别物品在给定genres标签集合上的分类概率,改进了判别器的输出反馈.基于策略梯度指导SAE第2层AE的隐层训练,改进了SAE的训练方式,最终学习到包含物品之间的结构特征和类型特征的物品隐向量,进而实现基于物品的协同过滤TOP-N推荐.在MovieLens数据集上,与Item2vec、SAE、IR-GAN和AE-GAN做了对比验证. 相似文献
4.
该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现“类人”社交机器人检测数据集的扩充。HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的“真实性”及多样性程度;将E-GAN生成器Heuristic损失函数更改为改进的海林格距离,在训练过程中加快了模型收敛速度、稳定了生成器的梯度,避免了不稳定的训练过程影响生成数据质量。实验结果表明,利用HVE-GAN模型生成的“类人”社交机器人数据的“真实性”与多样性程度均明显优于基线模型。 相似文献
5.
研究并构建了一个结合脑电信号处理与深度学习的车内噪声评价模型,该算法通过自我学习实现脑电信号特征提取,使用同步似然方法构建delta、alpha和beta频段的脑功能网络。将3个频带的脑功能网络扁平化处理后作为输入,通过无监督的堆栈自编码器(RSAE)自主提取脑功能网络的特征。通过几个高阶特征训练前后对比,证实了RSAE自主学习到与噪声评价有关的脑神经特征。最终将RSAE与普遍使用的SVM回归模型进行比较,同时将脑功能网络与传统的基于心理声学声音品质的车内噪声评价进行对比。结果表现,所提出的脑功能网络RSAE模型的平均决定系数高达98.69%,明显优于其他方法。 相似文献
6.
针对在传统的客户流失预测数据预处理中,使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题,提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进,通过将离散属性的高维编码数据向低维空间映射,有效地减少了one-hot编码产生的稀疏数据,增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明,改进后的模型既有效地提高了预测的准确度,又维持了传统多层感知机模型在并行化计算方面的优势。 相似文献
7.
目前混凝土搅拌站骨料储存主要有两种方式,一种是地面料场,骨料运输车先把骨料存放在地面料场,再通过铲车转移料场内堆积的骨料到骨料配料机,在搅拌站运转时需要铲车频繁转移骨料来保证混凝土生产需要,人力物力消耗都比较大,另一种是立体料库,通过传输皮带结构使骨料运输车可以直接卸料、布料至立体料库,无须二次转移骨料可直接参与混凝土生产,本文介绍一种基于绝对值编码器的立体料库骨料全自动布料技术研究,设计一键启停方式,并在搅拌站现场验证了其可靠性、稳定性、准确性。 相似文献
8.
为完善岩滩水电站安全监控系统在起重设备上的应用,笔者通过对起重设备控制系统配置、安全监控系统安装后出现的问题进行了分析和探讨,采取将安全监控系统使用的编码器通信与主控制系统通信网络分离,改进安全监控系统所用编码器的安装工艺,增加控制器通信模块,保障主控制系统通信快速畅通等方法,解决了因编码器通信异常而导致停车的问题。经改进后,安全监控系统的监测更加精确、可靠。 相似文献
9.
一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(Deepbeliefnetwork,DBN)和堆叠自编码网络(Stackedauto-encoders,SAE),同时故障诊断效果也优于一维卷积神经网络(1-dimension convolutional neural network, 1DCNN)。 相似文献
10.
针对传统调制样式识别方法性能受预先依靠经验设计的特征参数影响大问题,提出一种基于稀疏堆栈自编码器的数字调制样式识别算法。首先根据网络输入数据形式要求,为了利用信号幅度和相位所包含的调制样式信息,提出一种将复数信号预处理为网络可接受的实数形式的信号预处理方法。在网络训练阶段,先通过逐层训练得到每层稀疏自编码网络的初始化参数,再通过有监督算法对分类层训练,最后利用有监督算法进行整体优化。采用 作为分类层完成数字调制样式识别。7种数字调制样式识别的仿真实验表明了本文算法的有效性,相比于其他算法,本文算法在低信噪比时正确识别率较高,识别性能不受人为因素的影响。 相似文献