全文获取类型
收费全文 | 23703篇 |
免费 | 2154篇 |
国内免费 | 1881篇 |
学科分类
工业技术 | 27738篇 |
出版年
2024年 | 113篇 |
2023年 | 546篇 |
2022年 | 536篇 |
2021年 | 732篇 |
2020年 | 860篇 |
2019年 | 871篇 |
2018年 | 379篇 |
2017年 | 618篇 |
2016年 | 644篇 |
2015年 | 781篇 |
2014年 | 1200篇 |
2013年 | 1028篇 |
2012年 | 1306篇 |
2011年 | 1269篇 |
2010年 | 1300篇 |
2009年 | 1471篇 |
2008年 | 1540篇 |
2007年 | 1447篇 |
2006年 | 1264篇 |
2005年 | 1216篇 |
2004年 | 1425篇 |
2003年 | 1411篇 |
2002年 | 1229篇 |
2001年 | 1085篇 |
2000年 | 831篇 |
1999年 | 539篇 |
1998年 | 470篇 |
1997年 | 373篇 |
1996年 | 373篇 |
1995年 | 262篇 |
1994年 | 195篇 |
1993年 | 110篇 |
1992年 | 106篇 |
1991年 | 68篇 |
1990年 | 63篇 |
1989年 | 62篇 |
1988年 | 8篇 |
1987年 | 6篇 |
1985年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
图像组合是图像处理中一个重要操作,然而组合图像中前景区域与背景区域的外观不协调使得组合图像看起来不真实。图像协调化是图像组合中极其重要的一个环节,其目的是调整组合图像前景区域的外观使其与背景区域一致,从而让组合图像在视觉上看起来真实。然而,现有方法只考虑了组合图像前景与背景之间的外观差异,忽略了图像局部的亮度变化差异,这使得图像整体的光照不协调。为此,该文提出一个新的多尺度特征校准模块(MFCM)学习不同尺度的感受野之间细微的特征差异。基于所提模块,该文进一步设计了一个新的编码器学习组合图像中前景与背景的外观差异和局部亮度变化,然后利用解码器重构出图像,并通过一个对前景区域归一化的回归损失指导网络学习调整前景区域的外观。在广泛使用的iHarmony4数据集上进行实验验证,结果表明该方法的效果超过了目前最优的方法,验证了该方法的有效性。 相似文献
2.
3.
提出了一种高速低延时8 bit/10 bit解码电路结构,采用四路并行通道同时处理输入数据,每一路具有K码检测、输入数据查错功能,能够在输入四路10 bit数据后的一个时钟周期内正确完成解码.所设计的解码电路通过搭建的通用验证方法学系统完成系统级功能验证,并基于65 nm工艺库进行综合、布局和布线,解码电路的面积为1 449 μm2.后仿真结果显示,解码电路的最高工作频率达415 MHz,四路可支持最高16.6 Gibit/s的串行数据传输速率,满足JESD204B协议标准推荐的最高传输速率12.5 Gibit/s的要求.将该解码电路用于支持JESD204B协议的高速数模转换器电路中,经测试,其传输速率最高达10.5 Gibit/s. 相似文献
4.
为满足超高速撞击典型Whipple防护构型的损伤评估需求,利用图像处理技术对碎片云序列阴影图像进行深入研究。使用超高速序列激光阴影成像仪得到三组不同实验条件下碎片云发展过程的高清阴影图像,分别对每组最具代表性的2帧进行图像处理分析;根据碎片云图像特点以及碎片运动特性,提出了一种改进的碎片二次特征匹配算法,该方法包含碎片粗定位、特征定义及初匹配和精确匹配三步策略;通过运用改进的匹配算法,对选取的相邻两帧图片完成碎片高效匹配,并提取匹配碎片的运动参数,进而分析碎片的速度分布和飞行角度分布,获取二次碎片云相关运动特性;得到三组实验各自的轨迹模拟图。根据得到的轨迹分析结果分别对三组实验的后板损伤进行估计,并通过与防护构型的实际损伤结果进行比较,验证了该方法的有效性。 相似文献
5.
采用MATLAB软件中的识别图像控制技术,对典型混凝土图像数据进行处理,还原了混凝土中骨料的真实排布情况,同时,探究了基于装配式预制部品部件的保温一体化复合墙体的新型构造形式。结果表明:在混凝土中添加纤维材料可有效控制复合墙体的开裂问题;采用外叶板+保温板+内叶墙的“夹心保温三明治板”构造形式可有效解决装配式建筑底部加强区所用墙体超宽、超高及外窗开洞存在的问题。 相似文献
8.
10.
在预测轴承剩余使用寿命时,数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测,提出了一种基于并行多通道卷积长短时记忆网络(PMCCNN-LSTM)的剩余使用寿命预测模型。该模型主要由两部分组成:前端为并行多通道卷积网络(PMCCNN),提取信号特征,挖掘数据的时序特性,并采用逐层训练和微调的方式提升参数的收敛性;后端为长短时记忆(LSTM)网络,基于特征进行剩余使用寿命预测,并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性,实验结果表明:所提模型的平均误差与最大误差分别比传统的卷积神经网络(CNN)低23.38%和15.84%,比传统的LSTM低24.14%和19.01%,比卷积长短时记忆网络(CNN-LSTM)低30.32%和23.09%。 相似文献