全文获取类型
收费全文 | 3846篇 |
免费 | 75篇 |
国内免费 | 2篇 |
专业分类
财政金融 | 251篇 |
工业经济 | 427篇 |
计划管理 | 1316篇 |
经济学 | 582篇 |
综合类 | 172篇 |
运输经济 | 78篇 |
旅游经济 | 2篇 |
贸易经济 | 675篇 |
农业经济 | 102篇 |
经济概况 | 267篇 |
信息产业经济 | 10篇 |
邮电经济 | 41篇 |
出版年
2024年 | 4篇 |
2023年 | 45篇 |
2022年 | 32篇 |
2021年 | 43篇 |
2020年 | 79篇 |
2019年 | 91篇 |
2018年 | 24篇 |
2017年 | 46篇 |
2016年 | 77篇 |
2015年 | 168篇 |
2014年 | 348篇 |
2013年 | 300篇 |
2012年 | 340篇 |
2011年 | 363篇 |
2010年 | 469篇 |
2009年 | 344篇 |
2008年 | 289篇 |
2007年 | 159篇 |
2006年 | 106篇 |
2005年 | 148篇 |
2004年 | 108篇 |
2003年 | 98篇 |
2002年 | 63篇 |
2001年 | 43篇 |
2000年 | 40篇 |
1999年 | 18篇 |
1998年 | 16篇 |
1997年 | 11篇 |
1996年 | 11篇 |
1995年 | 9篇 |
1994年 | 4篇 |
1993年 | 4篇 |
1992年 | 1篇 |
1991年 | 5篇 |
1990年 | 7篇 |
1989年 | 3篇 |
1987年 | 2篇 |
1986年 | 4篇 |
1984年 | 1篇 |
排序方式: 共有3923条查询结果,搜索用时 15 毫秒
1.
减压塔是常减压装置的关键设备,在正常生产中,无法直观地判断减压塔填料腐蚀情况。一旦出现塔分离效果变差,产品质量不合格,通常填料层腐蚀已相当严重,存在停工检修风险。为了快速评估减压塔填料腐蚀情况,在不影响正常生产前提下,采用γ射线扫查对填料层腐蚀情况进行评估,一方面为工艺调整、延长填料使用寿命创造条件,同时也为停工检修提供依据,本文简单介绍该技术的基本原理、技术特点及减压塔填料腐蚀评估的实际应用情况。 相似文献
2.
3.
列车检测作为列车自动驾驶的核心技术,可以有效地降低列车追尾等事故造成的人身危险和财产损失。为实现精准的列车检测,选用改进的卷积神经网络(PVANET)对输入图像进行特征提取,在此基础上,采用候选区域网络,从生成的特征图里滑动搜索,判断出图像中可能为列车的区域位置,并进一步采用快速区域卷积神经网络对每个候选区域进行分类,计算出其所属类别的置信度,同时精确定位列车。经验证,该方法适应范围广、鲁棒性高,可以有效地检测不同环境光强及不同朝向的列车,保障列车安全,为列车自动驾驶及辅助驾驶提供安全保障。 相似文献
4.
近年来,少限制环境下的生物特征识别技术成为研究热点,眼周识别作为新兴的生物特征识别技术越来越受人们关注。基于深度神经网络的眼周识别方法相较于传统方法能更好地提高眼周识别性能。通过提出一个基于ResNet20和softmax的眼周识别方法,在两个公开的眼周数据集上实验验证得到在UBIPr数据集上的EER值为8.19%,在UBIRIS.V2数据集上的EER值为13.18%。与传统的眼周识别方法相比,文章提出的眼周识别方法取得了较好的眼周识别效果,为深度神经网络的眼周识别方法发展提供持续动力。 相似文献
5.
6.
7.
针对空战目标识别中机型自动识别比较困难的问题,提出了采用航迹特征的智能目标识别方法。利用卷积神经网络(Convolutional Neural Network,CNN)分层学习特征的能力,训练CNN算法模型自动地从航迹数据中学习有用的特征并分类。利用沿海实地采集的15个类别的飞机航迹数据,经一系列数据预处理后作为智能识别算法的训练和测试数据,在验证实验中描述了算法网络的相关配置,对比了CNN与其他分类器的识别结果。实验结果表明,CNN具有很好的识别性能。 相似文献
8.
9.
10.
基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型 总被引:4,自引:0,他引:4
[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350~1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R'751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。 相似文献