全文获取类型
收费全文 | 5631篇 |
免费 | 132篇 |
国内免费 | 17篇 |
专业分类
财政金融 | 589篇 |
工业经济 | 445篇 |
计划管理 | 1469篇 |
经济学 | 624篇 |
综合类 | 313篇 |
运输经济 | 108篇 |
旅游经济 | 26篇 |
贸易经济 | 1268篇 |
农业经济 | 250篇 |
经济概况 | 653篇 |
信息产业经济 | 17篇 |
邮电经济 | 18篇 |
出版年
2024年 | 38篇 |
2023年 | 170篇 |
2022年 | 192篇 |
2021年 | 251篇 |
2020年 | 298篇 |
2019年 | 250篇 |
2018年 | 75篇 |
2017年 | 120篇 |
2016年 | 160篇 |
2015年 | 275篇 |
2014年 | 480篇 |
2013年 | 387篇 |
2012年 | 411篇 |
2011年 | 461篇 |
2010年 | 392篇 |
2009年 | 390篇 |
2008年 | 378篇 |
2007年 | 255篇 |
2006年 | 182篇 |
2005年 | 207篇 |
2004年 | 113篇 |
2003年 | 91篇 |
2002年 | 62篇 |
2001年 | 41篇 |
2000年 | 35篇 |
1999年 | 12篇 |
1998年 | 6篇 |
1997年 | 6篇 |
1996年 | 11篇 |
1995年 | 7篇 |
1994年 | 3篇 |
1993年 | 2篇 |
1992年 | 7篇 |
1991年 | 3篇 |
1990年 | 2篇 |
1989年 | 3篇 |
1987年 | 3篇 |
1984年 | 1篇 |
排序方式: 共有5780条查询结果,搜索用时 15 毫秒
1.
在全球价值链视角下,FTA数量的增长和层次的提升对中国的对外贸易和经济增长产生了怎样的影响?中国下一步应该如何选择FTA对象?文章基于ADBMRIO和OECDICIO的国别(地区)贸易增加值数据,通过拓展的贸易引力模型研究了FTA数量和FTA层次对中国贸易增加值的影响.研究表明:FTA的建立使中国与成员国(地区)之间的贸易自由化和便利化水平进一步提升;目前FTA对贸易增加值的作用仍然以广延边际为主,FTA深度对贸易增加值的集约拉动需要继续加深;与传统贸易活动相比,FTA在全球价值链活动中起到的作用更加突出.效应异质性研究发现:从全球价值链的视角来看,与较发达国家和地区建立FTA对中国对外贸易的拉动作用最大;FTA参与度较高以及2008年金融危机之后与中国建立FTA的国家和地区对中国全球价值链参与度和竞争力的提升有显著的帮助;与中国距离较近的国家和地区建立FTA有利于中国贸易增加值的提升,但随着科技的进步,地理距离在对外贸易中的影响正在逐渐下降.因此,中国应加快FTA的全球战略布局,在增加FTA数量的同时,加强FTA的深度建设,注重FTA贸易伙伴的多元化,在亚洲邻国的基础上,加快与世界主要经济体之间的FTA谈判步伐. 相似文献
2.
深度学习是落实学科核心素养的重要途径,古诗教学是语文阅读中的重要组成部分。指向深度学习的古诗教学开展尤为迫切,要打破以往传统的教学方法,应具备四个意识即关联意识,转化意识,横纵意识和聚焦意识。 相似文献
3.
深度学习方法在作物遥感分类中的应用和挑战 总被引:1,自引:0,他引:1
[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。 相似文献
4.
5.
6.
7.
8.
选取科技创新和美丽中国建设的综合评价指标体系,采用改进的熵值法对科技创新系统和美丽中国建设系统2008—2016年的综合发展指数进行测度。在此基础上,构建耦合协调度模型,得出科技创新与美丽中国建设系统耦合协调度的时间序列,利用BP神经网络预测模型预测了科技创新与美丽中国建设的耦合协调发展趋势。研究发现:科技创新与美丽中国建设的综合发展指数均呈稳定上升态势,美丽中国建设与科技创新发展存在显著的相关性,但两者的步调不一致,导致科技创新系统与美丽中国建设系统的耦合度一直处于拮抗阶段,但是科技创新与美丽中国建设的相互联系和相互促进作用逐渐加强,其耦合协调效益正在逐步提升。 相似文献
9.
10.
在船舶火灾检测报警领域,引入发展迅速的深度学习技术。在CNN的理念下,自主设计搭建轻量化的卷积神经网络,并在自行设计建立的数据集上进行迭代训练。将训练好的模型做定点量化处理,在控制精度损失的前提下,压缩模型大小,提高推理速度,得到一个较适合实际使用的深度学习网络模型。 相似文献