全文获取类型
收费全文 | 862篇 |
免费 | 330篇 |
国内免费 | 317篇 |
专业分类
化学 | 579篇 |
晶体学 | 35篇 |
力学 | 66篇 |
综合类 | 49篇 |
数学 | 163篇 |
物理学 | 617篇 |
出版年
2024年 | 9篇 |
2023年 | 35篇 |
2022年 | 54篇 |
2021年 | 35篇 |
2020年 | 42篇 |
2019年 | 48篇 |
2018年 | 72篇 |
2017年 | 49篇 |
2016年 | 44篇 |
2015年 | 38篇 |
2014年 | 88篇 |
2013年 | 44篇 |
2012年 | 68篇 |
2011年 | 69篇 |
2010年 | 69篇 |
2009年 | 67篇 |
2008年 | 56篇 |
2007年 | 60篇 |
2006年 | 44篇 |
2005年 | 55篇 |
2004年 | 49篇 |
2003年 | 41篇 |
2002年 | 34篇 |
2001年 | 34篇 |
2000年 | 32篇 |
1999年 | 30篇 |
1998年 | 14篇 |
1997年 | 8篇 |
1996年 | 20篇 |
1995年 | 10篇 |
1994年 | 23篇 |
1993年 | 5篇 |
1992年 | 16篇 |
1991年 | 9篇 |
1990年 | 9篇 |
1989年 | 12篇 |
1988年 | 8篇 |
1987年 | 11篇 |
1986年 | 8篇 |
1985年 | 11篇 |
1984年 | 11篇 |
1983年 | 9篇 |
1982年 | 9篇 |
1981年 | 14篇 |
1980年 | 7篇 |
1959年 | 5篇 |
1958年 | 2篇 |
1957年 | 3篇 |
1956年 | 5篇 |
1955年 | 2篇 |
排序方式: 共有1509条查询结果,搜索用时 31 毫秒
51.
油气田开发中有效储层和非有效储层的样本点存在混合带时,两类储层的划分是一个难点问题.从统计学上来看,其本质是一个含噪声的小样本二分类问题,可以采用机器学习方法,充分挖掘有试油成果的样本点的数据信息.分别利用线性判别分析、支持向量机、多层感知机神经网络建立储层分类模型,利用10次10折交叉验证法进行模型评估与优选,并利用全部样本点建立了有效的储层分类模型,最后将模型推广应用到样本分布的三种不同情形.结果表明,线性支持向量机模型具有最好的分类效果和很强的泛化能力,对于区分有效储层和非有效储层是有效的,可以在油气田开发中进行推广. 相似文献
52.
高效液相色谱-串联质谱法对奶粉、酸奶中全氟化合物的分析 总被引:2,自引:0,他引:2
建立了液相色谱-质谱检测奶粉和酸奶中11种全氟化合物(PFCs)的分析方法.分别考察了溶液离子强度和酸碱度对固相萃取效率的影响,结果表明,0.5 ~12.5 mmol/L NaCl溶液的影响很小,且中性和微酸性条件下回收率较好.通过优化和比较,选用等体积的甲醇和0.01 mol/L盐酸的甲醇溶液依次对奶粉中的PFCs进行萃取,对于酸奶则使用甲醇直接萃取,并用WAX柱对萃取液净化.以甲醇(A)和50 mmol/L 醋酸铵(B)为流动相进行梯度洗脱,洗脱时间为10 min(或15 min),流速1 mL/min.内标法定量,奶粉和酸奶中11种PFCs的加标回收率分别为81% ~111%和80% ~118%,方法检出限为2 ~29 ng/L.用该方法对市售国产和进口奶粉及酸奶样品中的PFCs进行了分析. 相似文献
53.
54.
55.
56.
57.
58.
We describe a Q-switched Er:GdVO4 laser resonantly pumped by a MgO-doped periodically poled LiNbO3 optical parametric oscillator (MgO: PPLN OPO) at 1536 nm. In continuous-wave lasing, the maximum output power is 1.14 W with an incident pump power of 4.7 W and a slope efficiency of 27%. In Q-switched operation, 1.1 mJ of output pulse energy is achieved at 200 Hz. The upper-state lifetime at different pulse repetition frequencies is also calculated. 相似文献
59.
60.
针对极限学习机的随机性较大的问题,提出一种基于差分演化的极限学习机算法模型(DE-ELM).采用差分演化算法(DE)对极限学习机(ELM)随机给定的输入权值矩阵和隐含层阈值进行寻优,降低了随机性给ELM造成的影响,减少ELM网络震荡,提高了ELM预测精度.并且将DE-ELM应用在电池SOC的预测上,同时与ELM和BP神经网络的预测进行了对比,结果表明:DE-ELM在电池SOC预测上的表现优于ELM和BP神经网络,能满足电池SOC的预测精度要求. 相似文献