全文获取类型
收费全文 | 20074篇 |
免费 | 4445篇 |
国内免费 | 6737篇 |
专业分类
化学 | 6802篇 |
晶体学 | 114篇 |
力学 | 1562篇 |
综合类 | 1089篇 |
数学 | 11997篇 |
物理学 | 9692篇 |
出版年
2024年 | 117篇 |
2023年 | 445篇 |
2022年 | 554篇 |
2021年 | 601篇 |
2020年 | 477篇 |
2019年 | 535篇 |
2018年 | 346篇 |
2017年 | 613篇 |
2016年 | 646篇 |
2015年 | 727篇 |
2014年 | 1415篇 |
2013年 | 1179篇 |
2012年 | 1322篇 |
2011年 | 1396篇 |
2010年 | 1579篇 |
2009年 | 1392篇 |
2008年 | 1987篇 |
2007年 | 1504篇 |
2006年 | 1529篇 |
2005年 | 1524篇 |
2004年 | 1494篇 |
2003年 | 1296篇 |
2002年 | 1100篇 |
2001年 | 1100篇 |
2000年 | 975篇 |
1999年 | 812篇 |
1998年 | 614篇 |
1997年 | 560篇 |
1996年 | 534篇 |
1995年 | 513篇 |
1994年 | 530篇 |
1993年 | 341篇 |
1992年 | 294篇 |
1991年 | 313篇 |
1990年 | 265篇 |
1989年 | 293篇 |
1988年 | 161篇 |
1987年 | 72篇 |
1986年 | 30篇 |
1985年 | 19篇 |
1984年 | 15篇 |
1983年 | 13篇 |
1982年 | 16篇 |
1981年 | 1篇 |
1980年 | 2篇 |
1979年 | 2篇 |
1959年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 125 毫秒
1.
张磊 《数学的实践与认识》2021,(1):302-307
设G=(V,E)是一个连通图.称一个边集合S■E是一个k限制边割,如果G-S的每个连通分支至少有k个顶点.称G的所有k限制边割中所含边数最少的边割的基数为G的k限制边连通度,记为λ_k(G).定义ξ_k(G)=min{[X,■]:|X|=k,G[X]连通,■=V(G)\X}.称图G是极大k限制边连通的,如果λ_k(G)=ξ_k(G).本文给出了围长为g>6的极大3限制边连通二部图的充分条件. 相似文献
2.
一、从教学设计的“三二一”说起近读《章建跃数学教育随想录(下卷)》,章建跃博士关于“搞好教学设计,提高教学质量”的论述中提出教学设计的“三二一”,即三个基本点(理解数学、理解学生、理解教学),两个关键(提好的问题、设计自然的过程),一个核心(设计概括过程). 相似文献
3.
研究了非还原取样模型中负超几何随机变量的联合分布,得到了若干有用的推论.据此给出了负超几何分布的期望和方差的一种分解算法. 相似文献
4.
5.
7.
很多初中数学问题,学生能够找到一个“或许可行”的思维角度,但是无法完整解答,此时教师应该给予学生极大的肯定和更合理的解释,以激发学生探索的兴趣,帮助学生开拓数学视野,本文结合三个具体问题谈谈用发展的眼光看待初中学生解题过程中的疑问. 相似文献
8.
为解决深度学习在图像水印算法中计算量大且模型冗余的问题,提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性,提出基于快速神经网络架构搜索(neural architecture search,NAS)的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法,在预设的搜索空间中搜索最优网络结构,进行图像水印的高效嵌入与鲁棒提取。首先,将子网络中线性连接的全卷积层设置为独立的神经单元结构,并参数化表示结构单元内节点的连接,预先设定结构单元内每个神经元操作的搜索空间;其次,在完成一个批次的数据集训练后,依据神经元操作中的被采样次数和平均损失函数值动态更新概率;最后,重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上,大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑,本文算法具有较高的时间性能和较好的实验效果,在隐藏图像时,对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验,对比发现,本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行(列)等攻击优势显著;在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著,特别是对随机移除行(列)和椒盐噪声有较强的鲁棒性。 相似文献
9.
杨雪英肖水晶 《南昌大学学报(理科版)》2021,45(5):409
研究高维多项式理想实根的计算。对于给定的高维多项式理想,首先通过一个典范同态映射将其转化为扩张多项式环中的零维理想。基于零维实根是实极大理想的交集的结论,该扩张理想的实根可以在新的多项式环中计算。最后,通过理想的收缩,把实根收缩回原多项式环,便可得到高维多项式理想的实根。 相似文献
10.