全文获取类型
收费全文 | 2395篇 |
免费 | 348篇 |
国内免费 | 396篇 |
学科分类
工业技术 | 3139篇 |
出版年
2024年 | 17篇 |
2023年 | 60篇 |
2022年 | 85篇 |
2021年 | 105篇 |
2020年 | 91篇 |
2019年 | 101篇 |
2018年 | 64篇 |
2017年 | 91篇 |
2016年 | 122篇 |
2015年 | 127篇 |
2014年 | 203篇 |
2013年 | 167篇 |
2012年 | 189篇 |
2011年 | 201篇 |
2010年 | 183篇 |
2009年 | 182篇 |
2008年 | 184篇 |
2007年 | 175篇 |
2006年 | 136篇 |
2005年 | 117篇 |
2004年 | 87篇 |
2003年 | 80篇 |
2002年 | 55篇 |
2001年 | 68篇 |
2000年 | 50篇 |
1999年 | 45篇 |
1998年 | 36篇 |
1997年 | 25篇 |
1996年 | 30篇 |
1995年 | 16篇 |
1994年 | 11篇 |
1993年 | 10篇 |
1992年 | 10篇 |
1991年 | 6篇 |
1990年 | 3篇 |
1989年 | 6篇 |
1988年 | 1篇 |
排序方式: 共有3139条查询结果,搜索用时 0 毫秒
991.
循环冗余校验码并行算法的研究与实现 总被引:6,自引:0,他引:6
姚威 《计算机与数字工程》2006,34(9):112-114
通过对传统串行CRC(循环冗余校验)电路中各移位寄存器状态的观察与分析,推导出并行算法的逻辑关系式,使用Verilog-hdl语言实现了并行算法并给出了仿真结果,仿真结果表明与串行算法相比并行算法提高了校验速率。 相似文献
992.
随着计算机软硬件的飞速发展及网络的迅速普及,科学计算中的数据量呈现爆炸式增长。大数据可视化已经成为科学计算中的重要研究内容之一。本文介绍了大数据的定义,阐述了可视化分析领域及科学计算中大数据可视化的重要意义;分析和讨论了传统的科学计算可视化研究方法,以研究数据场的类型为标准,对算法和技术进行了分类阐述;分析了大数据背景下,传统的科学计算可视化方法的不足,进而介绍了基于GPU环境的科学计算中大数据可视化的并行计算和绘制方法;最后结合本课题组在科学计算中针对大数据可视化领域取得的主要理论和应用成果,给出了大数据环境下的科学计算可视化进一步的发展及研究方向。 相似文献
993.
正继"物联网"、"云计算"之后,2012年始,"大数据"一词被越来越多地提及。2012年3月,美国奥巴马政府宣布投资2亿美元启动"大数据研究和发展计划"(Big Data Research and Development Initiative),这是继1993年美国宣布"信息高速公路"计划后的又一次重大科技发展部署。美国政府认为大数据是"未来的新石油",将"大数据研究"上升为国家意志,对未来的科技与经济发展必将带来深 相似文献
994.
995.
本文对具有高通讯延迟的多处理机系统(机群系统)上的任务调度算法进行了研究,与以往算法主要考虑任务图的关键路径不同,本文给出了任务图的调度与其偶图匹配的对应关系,并由此提出了一种新的启发式算法,通过模拟试验显示本算法具有较好的调度效果。 相似文献
996.
通过利用ORTHOMIN(m)算法的固有性质,消除ORTHOMIN(m)算法的内积计算数据相关性,给出了一种改进的ORTHOMIN(m) (IORTHOMIN(m))算法。同ORTHOMIN(m)算法对比,IORTHOMIN(m)算法与ORTHOMIN(m)算法有相同的收敛性,在基于MPI的分布式存储并行机群上进行并行计算时,同步开销次数减少为ORTHOMIN(m)算法的一半。数值计算结果与理论分析表明改进的IORTHOMIN(m)算法的性能要优于ORTHOMIN(m)算法。 相似文献
997.
998.
网络并行计算系统中基于多处理机任务的资源调度模型 总被引:4,自引:0,他引:4
简要描述了网络并行计算系统中任务调度问题和经典的多处理机任务调度研究现状,并将两者结合到一起建立网络并行计算系统中的新型调度模型,较详细地论述了多处理机任务的定义,然后还讨论了该模型求解的近似调度策略及其近似优化问题,给出了其特例Pm|fix|Cmax问题的最优调度的时间跨度下界。 相似文献
999.
基于CUDA的并行布谷鸟搜索算法设计与实现 总被引:1,自引:0,他引:1
布谷鸟搜索(cuckoo search,CS)算法是近几年发展起来的智能元启发式算法,已经被成功应用于多种优化问题中。针对CS算法在求解大数据、大规模复杂问题时,计算时间过长的问题,提出了一种基于统一计算设备架构(compute unified device architecture,CUDA)的并行布谷鸟搜索算法。该算法的并行实现采用任务并行与数据并行相结合的方式,利用图形处理器(graphic processing unit,GPU)线程块与线程分别映射布谷鸟个体与个体的每一维数据,并行实现CS算法中的鸟巢位置更新、个体适应度评估、鸟巢重建、寻找最优个体操作。整个CS算法的寻优迭代过程完全通过GPU实现,降低了算法计算过程中CPU与GPU的通信开销。对4个经典基准测试函数进行了仿真实验,结果表明,相比标准CS算法,基于CUDA架构的并行CS算法在求解收敛性一致的前提下,在求解速度上获得了高达110倍的计算加速比。 相似文献
1000.
检测点在多边形中的可见边是计算几何中的一种基本计算,文中对此提出一种加速算法.首先对多边形进行凸片段分解,以利用点在凸多边形中可见边的快速计算;然后利用格网结构实现由近及远的计算,避免处理被遮挡的凸片段.该算法可基于格网结构方便地进行并行处理,并可统一处理含空洞和不含空洞的多边形,其预处理时间复杂度为O(n),空间复杂度也是很低的O(n),而检测的时间复杂度在O(logn)~O(n)之间自适应变化,其中n为多边形的边数. 相似文献